Напишите функцию, которая вернет три самых частых слова в тексте без учета регистра и знаков препинания
Проверила команда Сопровод · Обновлено
Короткий ответ
Приведите текст к нижнему регистру и выньте слова регулярным выражением \w+: так запятые и восклицательные знаки не прилипнут к словам. Посчитайте слова через collections.Counter. Для трех лидеров отсортируйте пары по ключу (-count, word): сначала частота по убыванию, при равенстве алфавит. Подсчет идет за O(n), сортировка разных слов за O(m log m).
Почему этот вопрос задают
Задачу дают, чтобы увидеть, знаете ли вы стандартную библиотеку и замечаете ли детали условия: регистр, пунктуацию и порядок при равной частоте. На отзывах, логах и поисковых запросах такой подсчет нужен постоянно.
Условие задачи
Интернет-провайдер собирает отзывы абонентов и хочет видеть, о чем пишут чаще всего. Напишите функцию top_words(text, k=3), которая вернет список пар (слово, число) для трех самых частых слов. Регистр не учитывайте, знаки препинания отбросьте. При равной частоте слова идут по алфавиту. Проверьте функцию на четырех отзывах из таблицы, склеенных в одну строку.
Как подойти к решению
- Приведите текст к нижнему регистру, чтобы «Роутер» и «роутер» считались одним словом
- Выньте слова через
re.findallс шаблоном\w+, тогда знаки препинания отпадут сами - Посчитайте слова через
Counterвместо ручного словаря со счетчиками - Отсортируйте пары по ключу
(-count, word)и возьмите первыеk - Проверьте пример, где у нескольких слов одинаковая частота
Решение
Обе строки вывода получены из одних и тех же отзывов: первая от функции, вторая от most_common(3). «Интернет» и «роутер» встречаются по три раза, и most_common ставит их в порядке появления, а третьим берет «завис»: оно встретилось раньше слова «вечером». Явный ключ сортировки дает алфавит при равенстве. Время O(n + m log m), где m — число разных слов.
def top_words(text, k=3):
counts = Counter(re.findall(r"\w+", text.lower()))
return sorted(counts.items(), key=lambda pair: (-pair[1], pair[0]))[:k]
reviews = (
"Роутер завис, интернет пропал вечером. "
"Интернет вернули, но роутер опять завис! "
"Вечером скорость падает, интернет тормозит. "
"Поддержка помогла: роутер заменили, скорость выросла."
)
print(top_words(reviews))
print(Counter(re.findall(r"\w+", reviews.lower())).most_common(3))[('интернет', 3), ('роутер', 3), ('вечером', 2)]
[('роутер', 3), ('интернет', 3), ('завис', 2)]Что спросят следом
Как быть, если отзывов десять гигабайт и они не помещаются в память?
Зачем
heapq, если естьsorted?Как не считать служебные слова вроде «и», «в», «на»?
Доступно по подписке
Ответы на эти вопросы
Частые ошибки
«Разобью текст через
split()и посчитаю»splitрежет только по пробелам, и «завис,» с запятой станет отдельным словом. Беритеre.findallс шаблоном\w+или уберите знаки черезstr.translateдо разбиения«
most_common(3)и так вернет то, что нужно»При равной частоте
most_commonоставляет порядок первого появления. Если условие требует алфавит, сортируйте явно по ключу(-count, word)«Регистр учту потом, если попросят»
Условие уже требует его не учитывать. Вызовите
lowerдо подсчета, иначе «Интернет» в начале предложения и «интернет» внутри разойдутся по разным счетчикам«Сначала отсортирую все слова текста, потом посчитаю подряд идущие»
Так выйдет O(n log n) по всем словам вместо O(n) на подсчет. Считайте через
Counter, а сортируйте только разные слова: их обычно намного меньше
Сигналы для интервьюера
Сильный ответ
Сам уточняет, что делать с цифрами, дефисами и равными частотами, и проверяет решение на примере с ничьей
Тревожный сигнал
Решает задачу за пару минут, но не может назвать сложность подсчета и сортировки, когда интервьюер об этом спрашивает
Красный флаг
Считает частоты через text.count(word) для каждого слова и не видит, что так выходит O(n²) и ловятся куски других слов
Как еще могут спросить
- Как найти самые частые слова в строке на Python?
- Посчитайте, какие слова чаще всего встречаются в тексте, и выведите топ-3
- Что делает
Counter.most_common, если у слов одинаковая частота? - Как посчитать частоту слов без учета регистра и пунктуации?











