如何优化Python代码实现带优先级的词频长度Top5排序（defaultdict/Counter）

问题分析 #

你当前的代码已经能统计词长频率，但排序逻辑只考虑了频率降序，没处理频率相同时较长词长优先的规则。要解决这个问题，只需要调整排序的key参数，让排序先按频率倒序，再按词长倒序即可。

基于defaultdict的修改版本 #

保留你原来的word_lengths函数，修改top5里的排序逻辑：

from collections import defaultdict as dd, Counter

def word_lengths(text):    
    my_dict = dd(int)
    for word in text.split():
        word_len = len(word)
        my_dict[word_len] += 1
    return my_dict

def top5(text):
    my_dict = word_lengths(text)
    # 排序key改为(-频率, -词长)，先按频率降序，频率相同则词长降序
    sorted_lengths = sorted(my_dict.keys(), key=lambda x: (-my_dict[x], -x))
    return sorted_lengths[:5]

用Counter简化实现（更符合Pythonic风格） #

既然你想学习Counter，其实可以直接用它来统计词长频率，代码会更简洁：

from collections import Counter

def top5(text):
    # 生成所有词的长度列表，再用Counter统计频率
    word_lengths = [len(word) for word in text.split()]
    length_counts = Counter(word_lengths)
    # 同样用(-频率, -词长)作为排序key
    sorted_lengths = sorted(length_counts.keys(), key=lambda x: (-length_counts[x], -x))
    return sorted_lengths[:5]

验证测试 #

• 测试文本1："the quick brown fox jumped over a lazy dog"
  返回结果：[3, 5, 4, 6, 1]，符合预期
• 测试文本2："one one was a racehorse two two was one too"
  返回结果：[3, 9, 1]，符合预期

关键说明 #

排序时使用lambda x: (-my_dict[x], -x)作为key，原理是：

1. -my_dict[x]把频率转为负数，默认升序排序等价于频率降序
2. -x把词长转为负数，当频率相同时，词长越大对应的负数越小，排序时越靠前，实现了较长词长优先

内容的提问来源于stack exchange，提问作者vAlkanol