Python中Counter取Top 5词频时遗漏同频词，该如何修正？

你的问题出在Counter.most_common(top_words)的行为上——它返回的是前N个单个单词，而不是前N个不同计数对应的所有单词。当多个单词共享同一个计数时（比如one和night都是12次），most_common(5)只会取前5个单词，这就导致同计数的其他单词被漏掉了。

修正后的代码 #

from collections import defaultdict
from collections import Counter

# 原始词频数据
lines = Counter({'you': 29, 'i': 24, 'my': 17, 'more': 13, 'one': 12, 'night': 12, 'go': 11, 'yeah': 10})
top_words = 5

# 按计数分组所有单词，确保同计数单词不遗漏
reversed_word = defaultdict(list)
for word, count in lines.items():
    reversed_word[count].append(word)

# 获取从高到低排序的计数，取前top_words个计数等级
sorted_counts = sorted(reversed_word.keys(), reverse=True)[:top_words]

# 遍历目标计数等级，输出整理后的结果
for key in sorted_counts:
    print("The following words appeared {} times each: {}".format(key, ', '.join(sorted(reversed_word[key]))))

修复逻辑说明 #

1. 先遍历所有单词完成计数分组：直接基于原始词频数据分组，不会因为取前N个单词而漏掉同计数的其他词汇；
2. 锁定目标计数等级：对所有计数从高到低排序后，取前top_words个计数区间（比如top_words=5时，对应29、24、17、13、12这五个计数）；
3. 输出完整结果：每个计数等级下的所有单词都会被展示，自然包含了同计数的one和night。

测试输出（top_words=5时） #

The following words appeared 29 times each: you
The following words appeared 24 times each: i
The following words appeared 17 times each: my
The following words appeared 13 times each: more
The following words appeared 12 times each: night, one

内容的提问来源于stack exchange，提问作者ggchc