如何在 Python 中使用 MapReduce 计算单词序列在文件中出现的次数？

约翰怀特豪斯

考虑一个包含由空格分隔的单词的文件；用 Python 编写一个 MapReduce 程序，它计算每个 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

每个 3 字序列在此文件中出现的次数为：

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

格式代码：

from mrjob.job import MRJob


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

    def reducer(self,key, values):
        pass
    

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

缪安生

映射器应用于每一行，并且应该对每个 3 字序列进行计数，即产生 3 字序列以及计数为 1。

reducer 用keyand调用values，其中key是一个 3 字序列，values是一个计数列表（这将是一个 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)

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。