实例需求:产品清单如A列所示,现在如下统计词组词频。想必各位小伙伴都指定如何使用字典对象实现去重,进而实现单个单词的词频统计。
但是统计词组词频就没有那么简单了,为了便于演示,此处的词组只限于两个单词的组合。提到词组,很多时候大家先想到的是如何将获取全部的组合,例如n个无重复单词,可以产生的无重复词组个数为C(n,2) ,但是在本示例中并不需要获取这些全部组合,实现思路自然也就不同了。
示例代码如下。
Sub CountWorPair()Dim oDic1 As Object, oDic2 As Object, oDic3 As ObjectDim aProd, vProd, aWord, vWord, vKey, arrDataDim sKey1 As String, sKey2 As StringDim i As Long, j As Long, k As LongSet oDic1 = CreateObject("scripting.dictionary")Set oDic2 = CreateObject("scripting.dictionary")Set oDic3 = CreateObject("scripting.dictionary")arrData = Range("A1").CurrentRegion.ValueFor i = LBound(arrData) + 1 To UBound(arrData)aWord = Split(arrData(i, 1))For Each vWord In aWordIf oDic1.exists(vWord) ThenoDic1(vWord) = oDic1(vWord) & "," & arrData(i, 1)ElseoDic1(vWord) = arrData(i, 1)End IfNextNext iFor Each vKey In oDic1.keysaProd = Split(oDic1(vKey), ",")oDic2.RemoveAllFor Each vProd In aProdaWord = Split(vProd)For Each vWord In aWordIf oDic2.exists(vWord) ThenoDic2(vWord) = oDic2(vWord) + 1ElseoDic2(vWord) = 1End IfNextNextFor Each vWord In oDic2.keysIf vWord <> vKey ThensKey1 = vKey & " " & vWordsKey2 = vWord & " " & vKeyIf oDic3.exists(sKey1) ThenIf oDic2(vWord) > oDic3(sKey1) Then oDic3(sKey1) = oDic2(vWord)ElseIf oDic3.exists(sKey2) ThenIf oDic2(vWord) > oDic3(sKey2) Then oDic3(sKey2) = oDic2(vWord)ElseoDic3(sKey1) = oDic2(vWord)End IfEnd IfNextNextRange("D:E").ClearRange("D1:E1").Value = Array("Word Pair", "Times")Range("D2").Resize(oDic3.Count, 1) = Application.Transpose(oDic3.keys)Range("E2").Resize(oDic3.Count, 1) = Application.Transpose(oDic3.items)
End Sub
【代码解析】
第6~7行代码创建字典对象。
- oDic1用于按照单词合并产品名称,即字典键为单词,字典值为逗号连接的产品名称。
- oDic2用于统计每个单词的出现次数,注意并非全部产品的词频。
- oDic3用于统计词组(两个单词组合)的词频。
第9行代码将数据表加载到数组中。
第10~19行代码循环处理每行数据,按照单词合并产品名称,oDic1("Red")
的值为所有包含Red的产品名称。
第14行代码合并产品名称。
第16行代码为字典对象添加键值。
第20~42行代码循环遍历oDic1中的键,最终实现统计词组词频。
第21行代码读取oDic1的值(逗号连接的产品名称),并按照逗号拆分为产品列表(数组)。
第22行代码清空oDic2对象。
第23~32行代码循环变量产品列表aProd。
第24行代码将产品列表拆分为单词列表aWord。
第25~31行代码统计单词词频。例如处理oDic1("Red")
时,将统计包含Red的产品名称中,每个单词出现的次数。
第33~41行代码循环遍历oDic2中的键,统计词组词频。
第34行代码判断oDic1键是否与oDic2键相同,由于产品名称中不会出现重复的单词,因此Red Red
属于无效的词组。
第35~36行代码将两个键值按照不同的次序进行组合。
这里是本示例中的小技巧,由于Red Car
和Car Red
实际上属于同一个词组,二者的词频也移动相同,因此在输出结果中只需要保留一个即可,所以此处需要将创建两个变量sKey1和sKey2。
第37行代码判断oDic3中是否已经存在sKey1和sKey2,如果不存在,那么第38行代码在oDic3中添加键值。
这个逻辑看起来有些复杂,下面举例说明。
以词组Red Car
为例,oDic1("Red")
的值为Red Car,Red Kia Car
,经过拆分统计oDic2("Car")
的值为2
,即词频为2,最终oDic3("Red Car")
的值2
,当然结果字典中也可能是oDic3("Car Red")
。
第43行代码清空目标单元格区域。
第44行代码设置表格标题。
第45行代码将词组(oDic3的键)写入D列。
第45行代码将词频(oDic3的值)写入E列。
微软文档:
Dictionary object
Range.Resize property (Excel)