python - 与 sort() 排序不一致

Question

我有以下函数来计算字符串中的单词并提取前“n”:

函数

def count_words(s, n):
"""Return the n most frequently occuring words in s."""

    #Split words into list
    wordlist = s.split()

    #Count words
    counts = Counter(wordlist)

    #Get top n words
    top_n = counts.most_common(n)

    #Sort by first element, if tie by second
    top_n.sort(key=lambda x: (-x[1], x[0]))

    return top_n

所以它按出现次数排序，如果有联系，则按字母顺序排序。以下示例:

print count_words("cat bat mat cat cat mat mat mat mat bat bat cat", 3)

有效(显示[('cat', 4), ('mat', 4), ('bat', 3)])

print count_words("betty买了一点黄油，但是黄油很苦", 3)

不起作用(显示 [('butter', 2), ('a', 1), ('bitter', 1)] 但应该有betty 而不是 bitter 因为它们是绑定(bind)的并且 be... 在 bi... 之前)

print count_words("betty买了一点黄油，但是黄油很苦", 6)

有效(显示[('butter', 2), ('a', 1), ('betty', 1), ('bitter', 1), ( 'but', 1), ('of', 1)] 在 bitter 之前有 betty 按预期)

是什么原因造成的(可能是字长？)我该如何解决？

Answer 1

问题不在于 sort 调用，而在于 most_common。 Counter 是作为哈希表实现的，因此它使用的顺序是任意。当您请求 most_common(n) 时，它会返回 n 最常用的单词，如果有相同的单词，它会任意决定返回哪一个!

解决这个问题的最简单方法是避免使用 most_common 并直接使用列表:

top_n = sorted(counts.items(), key=lambda x: (-x[1], x[0]))[:n]