如何使用Python中的MapReduce计算单词序列在文件中出现的次数?

2024-04-19 11:18:38 发布

您现在位置:Python中文网/ 问答频道 /正文

考虑包含空格分隔的文件;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()

Tags: 文件self程序def序列pass次数one
1条回答
网友
1楼 · 发布于 2024-04-19 11:18:38

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keyvalues调用reducer,其中key是一个3字序列values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)

相关问题 更多 >