Я пытаюсь написать программу для рисования гистограммы длин слов, присутствующих в списке, пока я нахожусь на стадии увеличения количества слов определенной длины на единицу каждый раз, когда цикл находит слово с этой определенной длиной, на данный момент у меня есть:

 L = []
for i in range(L):
length = len(i)
for len(i) = 1:
    total1 = total1   1
for len(i) = 2:
    total2= total2   1
for len(i) = 3:
    total3 = total3   1
for len(i) = 4:
    total4 = total4   1
for len(i) = 5:
    total5 = total5   1
  

Однако очевидно, что это глупый метод, поскольку он включает в себя присвоение имен каждой версии totaln , где в этом случае n будет до 11, поэтому мой вопрос: могу ли я просто поставить

 L = []
for i in range(L):
length = len(i)
for len(i) = n:
    totaln = totaln   1
  

чтобы охватить все значения n, а затем обратиться, например, к total4 позже? Или интерпретатор вернет ошибку, поскольку total4 явно не определен?

Что касается остальной части кода, я думаю, что смогу разобраться с этим, просто у меня возникли проблемы с этой проблемой, поскольку я новичок в программировании.

В Python 2.7 или выше вы могли бы использовать Counter :

 from collections import Counter
a = ["basically", "in", "Python", "I", "am", "trying", "to", "write",
     "a", "program", "to", "draw", "a", "histogram", "of", "the",
     "lengths", "of", "words", "present", "in", "a", "list"]
print Counter(map(len, a))
  

С принтами

 Counter({2: 7, 1: 4, 7: 3, 4: 2, 5: 2, 6: 2, 9: 2, 3: 1})
  

который представляет собой словарь, сопоставляющий длины слов с частотами.

Это не прямой ответ на ваш вопрос, но будет более полезным в долгосрочной перспективе.

Ваши знания Python практически отсутствуют. Я рассмотрел другие ваши вопросы, и похоже, что вы пытаетесь запустить, прежде чем научитесь ходить. Выберите учебник по Python для непрограммистов и проработайте все примеры. Задавайте вопросы здесь, когда конкретная концепция не имеет смысла.

После просмотра руководств я думаю, что Как мыслить как специалист по информатике — 2-е издание было бы наиболее подходящим. В конце каждой главы приведены отличные упражнения.

Предполагая, что у вас действительно есть базовая структура с чем-то вроде этого:

 words = ['this', 'is', 'a', 'list', 'of', 'words', 'that', 'I', 'want', 'to', 'measure']
  

Вы можете использовать это для подсчета длин:

 from collections import defaultdict

totals = defaultdict(int)

for word in words:
  totals[len(word)]  = 1
  

Это хорошее применение для набора инструментов естественного языка (NLTK) Инструментарий может быть слишком мощным для того, что вы пытаетесь сделать, но это также может быть ярлык. Нет смысла изобретать велосипед для создания графика.

например, предположим, что у меня есть следующий текст (temp.txt )

Сколько дров выбросил бы сурок, если бы сурок мог выбрасывать дрова? Он бы бросил, он бы бросил столько, сколько мог, И бросил бы столько дров, сколько сделал бы сурок, если бы сурок мог бросать дрова.

вот код для создания и построения простого FreqDist

 from nltk.tokenize import word_tokenize as tokenize
from nltk.probability import FreqDist
from nltk.text import Text
def freqDist(infile):
  '''tokenize and return a simple fd'''
  fn = open('/home/matt/temp','r') 
  tokens = tokenize(fn.read())
  fn.close()
  t = Text(tokens)
  fd = FreqDist(t)
  return fd
  

—

Предполагая, что вы не используете функцию, давайте посмотрим, что дает нам следующее

 >>> tokens
['How', 'much', 'wood', 'would', 'a', 'woodchuck', 'chuck', 'If', 'a', 'woodchuck', 'could', 'chuck', 'wood', '?', 'He', 'would', 'chuck', ',', 'he', 'would', ',', 'as', 'much', 'as', 'he', 'could', ',', 'And', 'chuck', 'as', 'much', 'wood', 'as', 'a', 'woodchuck', 'would', 'If', 'a', 'woodchuck', 'could', 'chuck', 'wood', '.']
>>> t
<Text: How much wood would a woodchuck chuck If...>
>>> fd
<FreqDist with 43 outcomes>
>>> fd[wood]
4
  

и, наконец,

 >>#Freq of the top five words
>>fd.plot(10)
  

Но вам нужны длины токенов!

которые мы можем генерировать с помощью простой модификации кода

 from nltk.tokenize import word_tokenize as tokenize
from nltk.probability import FreqDist
from nltk.text import Text

def fDist(infile):
    '''tokenize and return a simple fd'''
    fn = open(infile,'r') 
    tokens = tokenize(fn.read())
    token_lengths = [len(token) for token in tokens]
    #if you do not want to include only words (not punctuation)
    #token_lengths = [len(token) for token in tokens if token.isalpha()]
    fn.close()
    t = Text(token_lengths)
    fd = FreqDist(t)
    return fd
  

итак…

 >>fd=Fdist('/home/user/temp.txt')
>>fd.plot()
  

Давайте объединим это, чтобы сделать что-то полезное и пригодное для повторного использования

 from nltk.tokenize import word_tokenize as tokenize
from nltk.probability import FreqDist
from nltk.text import Text
import sys

def fDist(infile):
    '''tokenize and return a simple fd'''
    fn = open(infile,'r') 
    tokens = tokenize(fn.read())
    token_lengths = [len(token) for token in tokens]
    #if you do not want to include only words (not punctuation)
    #token_lengths = [len(token) for token in tokens if token.isalpha()]
    fn.close()
    t = Text(token_lengths)
    fd = FreqDist(t)
    return fd

def main():
   fd = fDist(sys.argv[1])
   fd.plot()

if __name__ == '__main__':
  main()
  

теперь вы можете вызвать вышеуказанное из строки cmd следующим образом:

   ./fdist.py infile.txt
  

вероятно, вы могли бы пойти дальше и добавить некоторые проверки, чтобы убедиться, что у вас есть действительный файл, но это выходит за рамки этого вопроса.