中文（英文）文章词频统计

中文的词频统计是基于英文的词频统计，先使用jiaba库对中文文章进行分词。所以首先掌握英文文章的词频统计，中文文章的词频统计也就迎刃而解。

英文文章词频统计：

由于英文文章存在大小写，可能会因为大小写的不同导致同一个词统计多次；或者会对标点符号进行统计，因此在进行统计前要对英文文章进行一定的处理：

def a():
    txt=open("hamlet.txt","r").read()
    txt=txt.lower()#将文本中所有的字符都转译为小写，方便词频统计，避免出现同一个单词因大小写不同统计多次
    for b in '"!#$%()*+-\'.,:;?':
        txt=txt.replace(b," ")
    return txt

用a函数进行文章处理，lower函数将所有的英文字母统一为小写字母，replace函数将所有的标点符号都用空格替换。（如果还有未替换的标点符号在第四行中补充即可）

chuli=a()
words=chuli.split()

split有分词的功能，默认以空格为依据，并将分好的词储存到word列表中。

counts={}
for i in words:
    if i in counts:
        counts[i]=counts[i]+1
    else:
        counts[i]=1

此步骤是对每个单词进行统计，结果保存到counts字典中，此时就会存在一个判定，判定字典中有没有此单词，如果没有就新建一个键值对，如果有的话就对原有键值进行+1。

此代码可以精简成以下代码：

counts[word]=counts.get(word,0)+1

最后便是对统计好的词进行排序：

counts_order=sorted(counts.items(),key=lambda x:x[1],reverse=True)#这句直接使用了sortd函数对字典进行由高到低的排序
for i in range(len(counts_order)):
    print("{:<10}    {:<5}".format(counts_order[i][0],counts_order[i][1]))

回归到了经典的问题：按照字典的值进行排序，此处使用的是sorted函数进行排序，若为true则为由大到小，如果改为false则为由小到大。（切记一定要写成counts.items）

最后将输出结果进行美化即可。

中文词频统计：

中文的词频统计只是在程序的开头用jieba库对中文进行分词处理，后续统计方式和英文一样啦！