Two approaches to word frequency counting

Two approaches to word frequency counting

Разберём решение и посмотрим, как та же задача решается другим способом.

Задача

Дан текст. Посчитать, сколько раз встречается каждое слово, и вывести слова по убыванию частоты.

Решение

``python
from collections import Counter

def word_count(text: str) -> list[tuple[str, int]]:
    words = text.lower().split()
    return Counter(words).most_common()

print(word_count("a b a c b a"))
`

Как это работает

Текст разбивается на слова, Counter подсчитывает вхождения за линейное время, а most_common() сразу возвращает отсортированный список пар.

Пример работы

`text
[('a', 3), ('b', 2), ('c', 1)]
``

Сложность

O(n) по времени по числу слов, O(k) по памяти по числу уникальных.

Альтернативный подход

Ту же задачу часто решают иначе: например, через рекурсию вместо цикла или через стандартную библиотеку вместо ручной реализации. Альтернатива обычно короче, но первое «ручное» решение лучше показывает механику работы алгоритма. Полезно написать оба и сравнить на одинаковых тестах.

Оба подхода рабочие; важно понимать цену каждого, а не копировать первый попавшийся.

View Full Gallery → https://go.cbrop.com/prse

Related:

https://sway.cloud.microsoft/KFiR1yy3Et5Vha3c
https://pastebin.com/MugPzCMq
https://yakihonne.com/article/naddr1qvzqqqr4gupzq4vpl2dn4zv5ffg784n83faazln7x87pyexjttqxfqqz243tnmn9qy28wumn8ghj7un9d3shjtnyv9kh2uewd9hszrthwden5te0dehhxtnvdakqzynhwden5te0danxvcmgv95kutnsw43qqtr8v9kxcetj0yknjvnxxucxzvn9956kzvn9956rqvty95urvd3c95erjwp5vv6xgepkxymrgq6slnf
https://gitlab.com/chuongnhuhoa/trusrewre/-/blob/main/articles/word-count-oshibki-mw3zg5os.md
https://posts.workshop-hub.workers.dev/factorial-oshibki