素人の言語処理100本ノック:17
4236 ワード
言語処理100本ノック 2015の挑戦記録です。環境はUbuntu 16.04 LTS ＋ Python 3.5.2 :: Anaconda 4.1.1 (64-bit)です。過去のノックの一覧はこちらからどうぞ。
第2章: UNIXコマンドの基礎
hightemp.txtは，日本の最高気温の記録を「都道府県」「地点」「℃」「日」のタブ区切り形式で格納したファイルである．以下の処理を行うプログラムを作成し，hightemp.txtを入力ファイルとして実行せよ．さらに，同様の処理をUNIXコマンドでも実行し，プログラムの実行結果を確認せよ．
17.１列目の文字列の異なり
1列目の文字列の種類（異なる文字列の集合）を求めよ．確認にはsort, uniqコマンドを用いよ．
出来上がったコード：
main.py
# coding: utf-8
fname = 'hightemp.txt'
with open(fname) as data_file:
set_ken = set()
for line in data_file:
cols = line.split('\t')
set_ken.add(cols[0])
for n in set_ken:
print(n)
実行結果：
実行結果1
山形県
和歌山県
岐阜県
大阪府
愛媛県
埼玉県
愛知県
高知県
群馬県
千葉県
山梨県
静岡県
実行結果2
岐阜県
山形県
静岡県
愛知県
大阪府
高知県
群馬県
千葉県
山梨県
愛媛県
和歌山県
埼玉県
2回実行すると並びが変わりました。これは、コマンドラインの-Rオプションの解説にあるように、ハッシュがランダム化されているためだと思います。
UNIXコマンド確認用のシェルスクリプト:
test.sh
#!/bin/sh
# 先頭カラムを切り出し、ソート、重複除去
cut --fields=1 hightemp.txt | sort | uniq > result_test.txt
# Pythonのプログラムで実行、diffで比較するためにソート
python main.py | sort > result.txt
# 結果の確認
diff --report-identical-files result.txt result_test.txt
結果の確認：
端末
segavvy@ubuntu:~/ドキュメント/言語処理100本ノック2015/17$ ./test.sh
ファイル result.txt と result_test.txt は同一です
18本目のノックは以上です。誤りなどありましたら、ご指摘いただけますと幸いです。
Author And Source
この問題について(素人の言語処理100本ノック:17), 我々は、より多くの情報をここで見つけました https://qiita.com/segavvy/items/202e61ce4e4cccc29d06著者帰属：元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .