如何使用Python中的MapReduce计算单词序列在文件中出现的次数？

考虑一个包含由空格分隔的单词的文件；用Python编写MapReduce程序， 它统计每个3字序列在文件中出现的次数

例如，考虑以下文件：

one two three seven one two three
three seven one
seven one two

此文件中每个3字序列出现的次数为：

"three seven one" 2
"four seven one two" 1
"one two three" 2
"seven one two" 2
"two three seven" 1

代码格式：

from mrjob.job import MRJob


class MR3Nums(MRJob):
    
    def mapper(self,_, line):
        pass

    def reducer(self,key, values):
        pass
    

if __name__ == "__main__":
    MR3Nums.run()

---

映射器应用于每一行，并应对每一个3字序列进行计数，即产生3字序列，同时计数为1

使用

键

和

值

调用减速机，其中

键

是一个3字序列，

值

是一个计数列表（可能是一个1的列表）。reducer可以简单地返回3字序列的元组和总出现次数，后者通过sum获得

class MR3Nums(MRJob):
    
    def mapper(self, _, line):
        sequence_length = 3
        words = line.strip().split()
        for i in range(len(words) - sequence_length + 1):
            yield " ".join(words[i:(i+sequence_length)]), 1

    def reducer(self, key, values):
        yield key, sum(values)

---

谢谢你的回复。代码简洁而深刻，不客气。如果这解决了您的问题，请将其标记为正确答案。