Python 3.xで最も一般的な名前

Question

名前（JMÉNO）のcsv Excelファイルがあります。私は、最も一般的な名前（n）の数を書き込む関数names_chart (year, filename, n)を書く必要があります。年（ファイルからのデータによる）。私はすでに、最も一般的な名前を書くが、YEARパラメータは書かないコードを書いた。 誰かがこの問題を教えてくれますか？ https://gist.github.com/anonymous/cf86c7305859b2fbc79b043a5965ddfe

コード：csvファイルの

一部

import re 

def process_word(word, words): 
    if len(word) < 4: 
     return 
    w = word.lower() 
    if w in words: 
     words[w] += 1 
    else: 
     words[w] = 1 

def get_words(text): 
    words = {} 
    for w in re.findall("\w+", text): 
     process_word(w, words) 
    return words 


def read_in(filename): 
    with open(filename, "r", encoding="utf-8") as f: 
     return f.read()  

def print_top(words, count): 
    sorted_names = sorted(words, key=words.get, reverse=True) 
    for w in sorted_names[:count]: 
     print(w, words[w]) 

def names_chart(year, filename, n): 
    text = read_in(filename) 
    words = get_words(text) 
    print_top(words, n) 


names_chart(1987, "du06_jmena.csv", 10) 

Answer 1

私はこれにもパンダを使用しますが、別の方法で使用します。

私はこのように私の機能を記述します。各年の1つの辞書で、辞書の辞書を持っていないのはなぜ

def common_names(year, filename, N): 
    yearcol = str(year) 
    namecol = 'JMÉNO' 
    df = (
     pandas.read_csv(filename) 
      .sort_values(by=[yearcol], ascending=False) 
      .head(N) 
    )[[namecol, yearcol]] 
    return df 

Answer 2

pandasは、データ分析のための著名なライブラリです。 DataFramesを使用することで、分析を単一の機能に単純化することができます。

import pandas as pd 

def names_chart (year, filename, n, get_df=False): 
    """Return the n most common names of a given year as a list of tuples.""" 
    # Input processing 
    if isinstance(year, int): 
     year = str(year) 
    names = "JMÉNO" 

    # pandas: find indices in `df` that are most common names/year (condition) 
    # Return only the names and given year columns 
    df = pd.read_csv(filename, sep=",", encoding='latin1') 
    condition = df[year].nlargest(n).index 
    top_names_per_year = df.loc[condition, [names, year]] 

    # Output processing 
    if get_df: 
     return top_names_per_year 

    return top_names_per_year.values.tolist() 

あなたは今listとしてデータにアクセスすることができます：

names_chart (2011, "./@data/gistfile1.txt", 3) 

# Output (List, default): 
[['AARON', 4], ['AARIAN KAMER', 1], ['A-MI', 0]] 

は、必要に応じてtop_names_per_yearデータフレームのオブジェクトを返すことができます何も出力タイプが指定されていないので、我々は名前と値のペアのリストを返します。 get_df=Trueとなります。データフレームには多くのものがありますpowerful features。

df = names_chart (2011, "./@data/gistfile1.txt", 3, get_df=True) 
print(type(df)) 
df 

# Output (DataFrame): 
pandas.core.frame.DataFrame 

      JMÉNO 2011 
11   AARON  4 
10 AARIAN KAMER  1 
0   A-MI  0 

指数を示し、得られたサブセット名とyear列に対応する最大周波数のカラム。