一、程序分析
1.1 读文件到缓冲区（process_file(path)）
def process_file(path): # 读文件到缓冲区 try: # 打开文件 str = open(path, "r")#path为文件目录 except IOError, s: print s return None try: # 读文件到缓冲区 bvffer = str.read() except: print "Read File Error!"+bvffer return None str.close() return bvffer
1.2 统计缓冲区的里每个单词的频率，放入word_freq(process_buffer)
def process_buffer(bvffer): if bvffer: word_freq = {} # 下面添加处理缓冲区 bvffer代码，统计每个单词的频率，存放在字典word_freq strl_ist = bvffer.replace(‘/n‘, ‘‘).lower().split(‘ ‘)#把换行都换为空 for str in strl_ist: word_freq[str] = word_freq.get(str, 0) + 1#给单词计数 return word_freq
1.3 按照单词的频数排序(output_result(word_freq))
def output_result(word_freq): if word_freq: sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True) for item in sorted_word_freq[:10]: # 输出 Top 10 的单词 print item
1.4 整合之前的函数
if __name__ == "__main__": path = "txt/Gone_with_the_wind.txt" bvffer = process_file(path) word_freq = process_buffer(bvffer) output_result(word_freq)
二、代码风格说明。
2.1 主程序：
主程序模块中有大量的顶级可执行代码（没有缩进的代码行，在模块被导入时就会执行），其他被导入的模块只应 该有很少的顶级执行代码，所有功能代码都应该封装在类或者函数中。
函数process_file(path)功能：读文件到缓冲区
函数word_freq(process_buffer功能：统计缓冲区的里每个单词的频率
函数output_result(word_freq)功能：按照单词的频数排序
三、程序运行命令、运行结果截图
运行截图
四、性能分析结果及改进
4.1使用可视化工具分析
根据运行次数排序方式分析命令：python -m cProfile -o resultc.out -s call word_freq.py
根据占用时间排序方式分析命令：python -m cProfile -o result.out -s cumulative word_freq.py
从中看出函数process_buffer占用时间和运行次数最多。
4.2 改进
分析了代码，发现下面这段代码集成了.replace()和.lower()和split()三个函数，我把.lower()和split()提出去,发现提快了0.3秒。个人理解可能是因为在把所有转行的符号改为空格的同时，把所有字母变成小写，分配的内存速度不如建对象的内存速度。
strl_ist = bvffer.replace(‘/n‘, ‘‘).lower().split(‘ ‘)
原文：https://www.cnblogs.com/emiyak/p/9738036.html