综合练习:词频统计

world = f.read()
f.close()
xiaoqu = {'the','and','of','to', 'a', 'on','in','was','his','at','that','as','were','said','by','with', 'we','all','he',}
depart = ''',.?":!'''  
for c in depart:
    world = world.replace(c,' ')
wordlist = world.lower().split() 
wordDict = {}  
wordSet = set(wordlist) - xiaoqu
for a in wordSet:
    wordDict[a] = wordlist.count(a)
    dictlist = list(wordDict.items())
    dictlist.sort(key=lambda x:x[1], reverse=True)
for i in range(20):  
 print(dictlist[i])

 运行结果

 

 

2.中文词频统计

下载一长篇中文文章。

从文件读取待分析文本。

news = open('gzccnews.txt','r',encoding = 'utf-8')

安装与使用jieba进行中文分词。

pip install jieba

import jieba

list(jieba.lcut(news))

生成词频统计

排序

排除语法型词汇,代词、冠词、连词

输出词频最大TOP20(或把结果存放到文件里)

 

# -*- codding: UTF-8 -*-
# -*- author: WF -*-
import jieba

f = open('hongloumeng.txt','r',encoding='utf-8')   #将文本放在同等的路径下,以文件的方式读出来
hongloumeng = f.read()
f.close()

depart = '''?":“。”.!'《》'''  #用循环列表,用空格来代替,.?":!标点符号
for c in depart:
    hongloumeng = hongloumeng.replace(c,' ')

hongloumenglist = list(jieba.cut(hongloumeng))

paichu = [' ','了','的','我','\n','他','道', '你','也','是','又','着','去','来', '在','都','不',
         '虽','为','却','那','亦','之','将','这','便','则','只','但','乃','再','因','得','此','与']

hongloumengDict = {}  #生成一个空字典
for a in hongloumenglist:
    hongloumengDict[a] = hongloumengDict.get(a,0)+1

for a in paichu:
    del (hongloumengDict[a]);

dictlist = list(hongloumengDict.items())
dictlist.sort(key=lambda x:x[1], reverse=True)

f = open('hongloumengcount.txt','a')
for i in range(20):  # 输出前20个
    f.write(dictlist[i][0]+" "+str(dictlist[i][1])+'\n')
f.close()

  

转载于:https://www.cnblogs.com/qq2647409627/p/8658320.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值