Bài tập Python cho người mới

Đếm tần suất từ trong Python với Counter

Từ nào xuất hiện nhiều nhất? Tách từ, đếm bằng collections.Counter và lấy các từ phổ biến nhất chỉ với một lời gọi.

  • Cơ bản
  • Đọc trong 2 phút
  • 1 ví dụ chạy được
Bạn sẽ học được gì
  • Chuẩn hoá văn bản và tách từ bằng re.findall
  • Đếm với collections.Counter
  • Tìm các từ xuất hiện nhiều nhất
"Python is clear. Python is practical."
"python"2
"is"2
"clear"1
"practical"1

Văn bản → từ → số lần xuất hiện

Vấn đề

Những từ nào xuất hiện nhiều nhất trong các đánh giá của khách hàng, trong một cuốn sách hay trong các lượt tìm kiếm? Đếm tay là không thể với văn bản thật, và "Python", "python", "python." phải được tính là cùng một từ.

Hình dung đời thường

Đếm tần suất từ giống kiểm phiếu sau một cuộc bầu chọn. Trước tiên bạn làm cho mọi lá phiếu được đọc theo cùng một cách (chữ thường, không dấu câu), rồi đánh một dấu cạnh mỗi cái tên mỗi lần nó xuất hiện. Tờ kiểm phiếu cho biết ai thắng.

Từ việc kiểm phiếu đến code
text.lower()🔡 Đọc mọi lá phiếu theo cùng một cách
re.findall(r"[a-z]+", ...)✂️ Cắt lấy các cái tên, bỏ dấu câu
Counter(words)📊 Tờ kiểm phiếu: tên và số dấu
print(Counter(words))🏆 Kết quả, nhiều dấu nhất đứng đầu
Chuẩn hóa, tách thành từ, rồi đếm.
Định nghĩa ngắn gọn

Tần suất từ là số lần mỗi từ khác nhau xuất hiện trong văn bản, thường được đếm sau khi đưa các từ về dạng so sánh được bằng cách viết thường và bỏ dấu câu.

Những điểm quan trọng

  1. text.lower() làm cho "Python" và "python" thành cùng một từ.
  2. re.findall(r"[a-z]+", ...) trả về mọi đoạn liên tiếp toàn chữ cái, nên dấu chấm và dấu cách biến mất.
  3. Counter(words) đếm từng từ và hiện từ phổ biến nhất trước.
  4. Trong ví dụ, cả "python" và "is" đều xuất hiện hai lần.

Khi nào nên sử dụng?

  • Tìm các từ hay gặp trong đánh giá, log hay câu trả lời khảo sát.
  • Bước đầu tiên của phân tích văn bản và tìm kiếm.
  • Luyện làm sạch chữ và dùng class Counter.

Khi nào chưa cần

  • Văn bản có chữ có dấu như tiếng Pháp hay tiếng Việt: [a-z]+ làm mất các ký tự đó, hãy dùng mẫu hỗ trợ Unicode.
  • Phân tích ngôn ngữ thật sự: còn phải gộp các dạng từ như run và running, việc cần thư viện NLP.

Code ví dụ

Chạy code →
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))
Lấy nút Run cho ví dụ này

Kết quả khi chạy

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

Giải thích code

Câu lệnh text.lower() đưa toàn bộ văn bản về chữ thường, sau đó biểu thức chính quy [a-z]+ chỉ lấy các chuỗi chữ cái và bỏ qua dấu câu. Counter đếm số lần xuất hiện của từng từ trong một lần duyệt và sắp xếp theo số lần giảm dần, nên python và is đều xuất hiện 2 lần.

Thay đổi giá trị và chạy chương trình bằng trình chạy Python online của CodeUtility mà không cần cài Python.

Bài tập mở rộng

Hãy thử chỉnh sửa code theo các gợi ý dưới đây. Tự thay đổi và quan sát kết quả sẽ giúp bạn hiểu bài sâu hơn nhiều so với chỉ đọc code.

  1. Thay đổi dữ liệu đầu vào và đoán trước kết quả rồi mới chạy để kiểm tra.
  2. Thêm phần kiểm tra cho trường hợp dữ liệu rỗng hoặc không hợp lệ.
  3. Đưa phần xử lý vào một hàm riêng và thử với nhiều bộ dữ liệu khác nhau.
Chạy trong trình biên dịch Python →

Lỗi hay gặp

Quên đổi sang chữ thường

"Python" và "python" bị đếm thành hai từ khác nhau.

Sai
re.findall(r"[a-z]+", text)
Cách sửa
re.findall(r"[a-z]+", text.lower())

Bạn học xong bài này chưa?

Đánh dấu đã học để theo dõi tiến độ của bạn.

Luyện tập với thử thách

Áp dụng kiến thức của bài học này để giải một bài toán thực tế. Mỗi thử thách chạy ngay trên trình duyệt, có kiểm thử tức thì và AI nhận xét.

Tất cả thử thách