Python嵌套字典的初始化与自增:实现按A/B标签的单词去重计数
问题定位与代码修正方案
现有代码的核心报错与逻辑偏差
- 变量命名大小写不统一:初始化的空字典为
empty_dict,代码块内操作的是empty_Dict,运行时会直接触发变量未定义错误。 - 嵌套结构缺失初始化:遇到首次出现的新单词时,代码未提前创建该单词对应的标签子字典,直接访问
empty_Dict[value][key]会触发键不存在的报错;且赋值时错误将计数值写为单词本身value,完全没有实现计数逻辑。 - 计数逻辑偏离需求:代码会遍历A、B两类标签给当前行所有单词同时累加,完全没有关联当前行实际的标签——无论当前行是A类还是B类,两个标签的计数都会被更新,既不符合“仅统计当前行所属标签的词频、同一行内每个词只计1次”的要求,也无法实现非当前标签的默认0值初始化。
适配需求的可运行修正代码
修正逻辑严格匹配目标:
- 每个首次出现的单词,提前初始化所有标签的计数位,默认值为0,保证后续计数不会触发键不存在报错
- 对每行的文本做分词后转集合去重,保证同一行内重复出现的单词只计数1次
- 仅对当前行实际对应的标签计数位做累加,不修改另一标签的历史累计值
# 初始化空字典 empty_dict = {} # 提前提取所有有效标签,避免重复遍历计算 valid_labels = set(labels) for sentence, label in zip(saved_word_list, labels): # 对当前行的单词去重,满足“同一行内每个词仅计数一次”的要求 row_unique_words = set(sentence.split()) for word in row_unique_words: # 首次遇到的单词,初始化全标签计数结构 if word not in empty_dict: empty_dict[word] = {lab: 0 for lab in valid_labels} # 仅累加当前行对应标签的计数 empty_dict[word][label] += 1
效果验证示例
若输入参数为:
saved_word_list = ["this is a fine day to do a lot of coding", "coding is fun"]labels = ["A", "B"]
运行后empty_dict的结构完全符合预期:
{ 'this': {'A': 1, 'B': 0}, 'is': {'A': 1, 'B': 1}, 'a': {'A': 1, 'B': 0}, 'fine': {'A': 1, 'B': 0}, 'day': {'A': 1, 'B': 0}, 'to': {'A': 1, 'B': 0}, 'do': {'A': 1, 'B': 0}, 'lot': {'A': 1, 'B': 0}, 'of': {'A': 1, 'B': 0}, 'coding': {'A': 1, 'B': 1}, 'fun': {'A': 0, 'B': 1} }
补充说明:如果后续CSV文本存在大小写不一致、标点符号附着在单词上的情况,可以在
split()前对句子做统一小写、剥离首尾标点的预处理,保证词频统计的准确性。
内容的提问来源于stack exchange,提问作者Keebles
相关产品推荐
相关产品推荐

