Python英文文章詞頻統(tǒng)計(14份劍橋真題詞頻統(tǒng)計)
更新時間:2019年10月13日 15:26:26 作者:予微胡不歸
這篇文章主要介紹了Python英文文章詞頻統(tǒng)計(14份劍橋真題詞頻統(tǒng)計),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
Python劍橋真題詞頻統(tǒng)計
最好還是要學(xué)以致用,自主搜集了19年最近的14份劍橋真題之后,通過Python提供的jieba第三方庫,對所有的文章信息進行了詞頻統(tǒng)計,并選擇性地剔除了部分簡易詞匯,比如數(shù)字,普通冠詞等,博主較懶,未清楚干凈。
Python代碼如下:
import jieba # 以只讀方式打開text(即真題庫) text = open('text.txt', 'r', encoding = 'utf-8').read() # len(text) #統(tǒng)一為小寫 text = text.lower() # 需要剔除的詞匯列表,也可以用記事本的形式,添加一個打開記事本的語句即可 # 即 stwlist = [line.strip() for line in open 'stopwords.txt',encoding='utf-8').readlines()] # 這里使用列表 stwlist = ['the','a','of','to','end','in','you','is','that','for','on','it','as','your','...','14', 'this','or','20','40','27','30','13','21','26','10','15','22', '32','31','1','2','4','5','6','7','8','9','0','10','11','12','13', '12','13','15','16','17','25','33','35','36','18','23','19','24', '38','29','34','37','000','...............................'] # 先進行分詞 words = jieba.cut(text, cut_all = False, HMM = True) #cut_all:是否采用全模式 #HMM:是否采用HMM模型 word_ = {} for word in words: if (word.strip() not in stwlist): if len(word) > 1: if word != '\t': if word != '\r\n': # 計算詞頻 if word in word_: word_[word] += 1 else: word_[word] = 1 # 將結(jié)果保存為元組 word_freq = [] for word, freq in word_.items(): word_freq.append((word, freq)) # 降序排列 word_freq.sort(key = lambda x:x[1], reverse = True) #輸出前3500個詞匯 for i in range(3500): word, freq = word_freq[i] print('{0:10}{1:5}'.format(word, freq))
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
pytorch?collate_fn的基礎(chǔ)與應(yīng)用教程
這篇文章主要給大家介紹了關(guān)于pytorch?collate_fn基礎(chǔ)與應(yīng)用的相關(guān)資料,文中通過實例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2022-02-02python統(tǒng)計函數(shù)被調(diào)用次數(shù)的實現(xiàn)
本文主要介紹了python如何統(tǒng)計函數(shù)被調(diào)用次數(shù),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02