แบบฝึกหัด Python สำหรับผู้เริ่มต้น

นับความถี่ของคำใน Python

ในบทเรียนนี้ คุณจะปรับข้อความให้เป็นมาตรฐานและนับว่าแต่ละคำปรากฏกี่ครั้งด้วย collections.Counter

  • ระดับเริ่มต้น
  • อ่าน 2 นาที
  • ตัวอย่างที่รันได้ 1 ตัวอย่าง

บทนำ

ปัญหาที่ต้องแก้

คำไหนพบบ่อยที่สุดในรีวิวของลูกค้า ในหนังสือ หรือในคำค้นหา ข้อความจริงยาวเกินกว่าจะนับด้วยมือ และ "Python", "python" และ "python." ต้องนับเป็นคำเดียวกัน

ลองนึกภาพแบบนี้

การนับความถี่ของคำเหมือนการแยกบัตรลงคะแนนหลังการเลือกตั้ง ขั้นแรกทำให้ทุกบัตรอ่านได้แบบเดียวกัน (ตัวพิมพ์เล็ก ไม่มีเครื่องหมายวรรคตอน) แล้วขีดคะแนนให้แต่ละชื่อทุกครั้งที่เจอ สุดท้ายใบนับคะแนนจะบอกว่าใครชนะ

จากการนับคะแนนเสียงสู่โค้ด
text.lower()🔡 อ่านทุกบัตรแบบเดียวกัน
re.findall(r"[a-z]+", ...)✂️ ตัดชื่อออกมา ทิ้งเครื่องหมายวรรคตอน
Counter(words)📊 ใบนับคะแนน: ชื่อและจำนวนขีด
print(Counter(words))🏆 ผลลัพธ์ ขีดมากสุดก่อน
ปรับให้เป็นมาตรฐาน แยกเป็นคำ แล้วนับ
สรุปในประโยคเดียว

ความถี่ของคำคือจำนวนครั้งที่แต่ละคำปรากฏในข้อความ ก่อนนับมักต้องปรับคำให้เทียบกันได้ก่อน โดยเปลี่ยนเป็นตัวพิมพ์เล็กและลบเครื่องหมายวรรคตอน

ประเด็นสำคัญ

  1. text.lower() ทำให้ "Python" และ "python" เป็นคำเดียวกัน
  2. re.findall(r"[a-z]+", ...) ดึงตัวอักษรที่อยู่ติดกันออกมาเป็นคำ ๆ จุดและช่องว่างจึงหายไป
  3. Counter(words) นับแต่ละคำและแสดงคำที่พบบ่อยที่สุดก่อน
  4. ทั้ง "python" และ "is" ปรากฏสองครั้งในตัวอย่าง

ใช้เมื่อไร?

  • หาคำที่พบบ่อยในรีวิว log หรือคำตอบแบบสำรวจ
  • ก้าวแรกของการวิเคราะห์ข้อความและการค้นหา
  • ฝึกการทำความสะอาดข้อความและคลาส Counter

เมื่อไรยังไม่จำเป็น

  • ข้อความที่มีตัวอักษรพร้อมเครื่องหมาย เช่น ภาษาฝรั่งเศสหรือเวียดนาม: [a-z]+ ตัดตัวอักษรเหล่านั้นทิ้ง ให้ใช้แพตเทิร์นที่รองรับ Unicode
  • การวิเคราะห์ภาษาอย่างจริงจัง: ต้องรวมรูปคำอย่าง run กับ running เป็นคำเดียวกันด้วย ซึ่งต้องใช้ไลบรารี NLP (การประมวลผลภาษาธรรมชาติ)

โค้ดตัวอย่าง

รันโค้ด →
main.py
from collections import Counter
import re

text = "Python is clear. Python is practical."
words = re.findall(r"[a-z]+", text.lower())

print(Counter(words))
สร้างปุ่ม Run สำหรับตัวอย่างนี้

ผลลัพธ์จากการรัน

Counter({'python': 2, 'is': 2, 'clear': 1, 'practical': 1})

อธิบายโค้ด

text.lower() เปลี่ยนข้อความทั้งหมดเป็นตัวพิมพ์เล็ก แล้วนิพจน์ปกติ [a-z]+ เก็บเฉพาะกลุ่มตัวอักษรและข้ามเครื่องหมายวรรคตอน Counter นับแต่ละคำในการวนรอบเดียวและเรียงตามความถี่จากมากไปน้อย python และ is จึงปรากฏคำละ 2 ครั้ง

เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python

แบบฝึกหัดเพิ่มเติม

ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก

  1. เปลี่ยนข้อมูลอินพุตแล้วทายผลลัพธ์ก่อนรัน
  2. เพิ่มการตรวจสอบข้อมูลว่างหรือข้อมูลที่ไม่ถูกต้อง
  3. แยกขั้นตอนการประมวลผลเป็นฟังก์ชันและทดสอบกับข้อมูลหลายชุด
รันในคอมไพเลอร์ Python →

ข้อผิดพลาดที่พบบ่อย

ลืมทำเป็นตัวพิมพ์เล็ก

"Python" และ "python" ถูกนับเป็นสองคำที่ต่างกัน

ปัญหา
re.findall(r"[a-z]+", text)
วิธีแก้
re.findall(r"[a-z]+", text.lower())

เรียนบทนี้จบแล้วใช่ไหม

ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า

ฝึกด้วยโจทย์

ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI

โจทย์ทั้งหมด