对于列表中的每个bigram，打印它在其他列表中出现的次数-python NLTK

我不熟悉编码，需要帮助。我的任务是： 我有一个csv的在线营销图像标题。它是一列。此列中的每个单元格都包含每个广告的营销图像标题文本。它只是一个字符串。例如，单元格A1显示：“16个令人抓狂的轮胎出现故障”等，以加载csv，我做：

with open('usethis.csv', 'rb') as f:
    mycsv = csv.reader(f)
    mycsv = list(mycsv)

我初始化一个列表：

mylist = []

我的愿望是把每个单元格中的文本提取出来。我的做法如下：

for i, c in enumerate(mycsv):
   mylist.append(list(nltk.bigrams(word_tokenize(' '.join(c)))))

mylist如下所示，但包含更多数据：

[[('16', 'Maddening'), ('Maddening', 'Tire'), ('Tire', 'Fails')], [('16', 'Maddening'), ('Maddening', 'Tire'), ('Tire', 'Fails'), ('Fails', 'That'), ('That', 'Show'), ('Show', 'What'), ('What', 'True'), ('True', 'Negligence'), ('Negligence', 'Looks'), ('Looks', 'Like')]

mylist保存单个列表，这些列表是从我的csv中的每个单元格创建的bigram

现在我想循环遍历所有列表中的每个二元图，并在每个二元图旁边打印它在另一个列表（单元格）中出现的次数。这与excel中的countifs基本相同。例如，如果第一个列表（单元格A1）中的双字符“（'16'，'Maddening'）”在（mylist）中出现了3次，则打印它旁边的数字3。每一个二元图都是如此。如果将这些信息返回到一个新的列表中更容易，那就好了。只是在有意义的地方打印出来

我在网上读了很多书，比如说这个链接有点像是按照一般的思路：

这个关于字典的链接也很相似，它在每个值旁边返回一个数字，因为我想在每个二元数旁边返回一个计数。。

但我真的不知道该怎么做。非常感谢您的帮助！如果需要更好的解释，请告诉我。

您可以使用此任务。 由于您已经在使用NLTK，当您想做的不仅仅是计数时，它可能会派上用场，但现在让我们继续使用更简单的

计数器

计数器
是dict

的一个子类，即它可以做字典能做的任何事情，但它有额外的功能

以下代码段扩展了您显示的代码：

from collections import Counter

bigram_counts = Counter()
for cell in mylist:
    for bigram in cell:
        bigram_counts[bigram] += 1

在此之后，您可以使用下标查找单个bigram，例如，

bigram_计数['16'，'madding']

将返回

3

或任何实际计数。 使用

bigram\u计数。最常见的（5）

可以得到5个最常见的bigram

更新 。。。回答你问题中的具体问题

为了知道除一个单元格外的所有单元格中出现的次数，需要为每个单元格设置单独的计数器。 将前面的代码段替换为以下内容：

# Populate n+1 counters.
bigram_totals = Counter()
separate_counters = []
for cell in mylist:
    bigram_current = Counter()
    separate_counters.append(bigram_current)
    for bigram in cell:
        bigram_totals[bigram] += 1
        bigram_current[bigram] += 1

# Look up all bigram counts.
for cell, bigram_current in zip(mylist, separate_counters):
    for bigram in cell:
        count = bigram_totals[bigram] - bigram_current[bigram]
        # print(bigram, count) or whatever...

因此，除了总计数之外，每个单元格都有一个单独的计数器。 在执行查找时，我们从全局计数中减去局部计数，以获得其他所有位置的发生次数之和

顺便说一句，由于您提到了学习目的，通过利用特殊的

计数器

功能，第一个块可以写得更短一些：

# Populate n+1 counters.
bigram_totals = Counter()
separate_counters = []
for cell in mylist:
    bigram_current = Counter(cell)
    separate_counters.append(bigram_current)
    bigram_totals.update(bigram_current)

我认为这有点优雅，但对于初学者来说可能更难理解。

---

请自己决定哪个版本更具可读性。

抱歉，刚才我没有完全回答您的问题–这些只是全局计数。您要求的是更复杂的一点，如果您有n个列表，则需要n个计数器。你真的需要知道二元图在所有其他单元格中出现的频率吗？也许你可以提供更多的上下文（为什么你需要这个）。全局计数很好，因为我可以简单地从计数中扣除每个单元格中出现的次数。但是，举一个n个计数器的例子，其中第i个单元格中的出现次数没有计算在内，这将有助于我的学习。我只想探索为什么一些营销标题的点击率高于其他标题。哪些文本特征会触发读者的反应？一个基本理论是，自然地，单词的顺序很重要（因为毕竟所有的文本都是如此），所以我想知道，与其他标题相比，表现更高的标题是否有更多独特的双三角图-其中独特性指向一些单词IDK的正配对，这只是一个值得探索的想法。。。但是你的代码绝对是我想要的，基本上，谢谢！两个for语句可能是我在尝试按以下方式打印结果时遗漏的：def mycounts（列表）：对于mylist中的单元格：对于cell中的bigram:return{bigram，bigram_counts（bigram），它表示计数器不可调用。这里的适当方法是什么？注意区分圆括号

（）

、方括号

[]

和大括号

{}

——它们有不同的含义。要使用所谓的“下标符号”访问列表/目录的元素/值，请使用括号。

”。连接（c）

毫无意义——看起来这只是获取字符串的一种丑陋的方式，您所说的唯一一列。只需编写

c[0]

。