如何利用python實現(xiàn)詞頻統(tǒng)計功能
功能要求
這是我們老師的作業(yè) 代碼中都有注釋 要求 詞頻統(tǒng)計軟件:
1)從文本中讀入數(shù)據(jù):(文件的輸入輸出)
2)不區(qū)分大小寫,去除特殊字符。
3) 統(tǒng)計單詞 例如:about :10 并統(tǒng)計總共多少單詞
4)對單詞排序。出現(xiàn)次數(shù)
5)輸出詞頻最高的10個單詞和次數(shù)
6)把統(tǒng)計結(jié)果存入文本
方法如下
1.文件的讀取,區(qū)分大小寫,去除特殊字符
import re def getword(): # 讀取文件 f=open('read.txt','r',encoding='utf-8') # 將大寫轉(zhuǎn)化成小寫 word=f.read().lower() # 關(guān)閉文件 f.close() #利用正則除去特殊字符 |\符+ list=re.split('\s+|\,+|\.+|\!+|\:+|\?+|\;+|\(+|\)+|\-+|\_+|\=+|\++|\“+|\、+|\/+|\{+|\}+|\”+|\:+|\。+|\“+|\[+|\]+|\【+|\】+|\—+|\%+|\"+',word) # 遍歷列表 去除列表中的空格 i = 0 while i < len(list): if list[i] == '': list.remove(list[i]) i -= 1 i += 1 # for a in list: # if a == "": # list.remove(a) #用for循環(huán)的話如果存在多個空字符串 其列表會隨時發(fā)生變化,導致無法正常刪除空字符串 所以在使用for…in循環(huán)遍歷列表時,最好不要對元素進行增刪操作 # 對于others'優(yōu)化 如果最后一個字符是‘就將'其去掉 for i in range(len(list)): l=list[i] if list[i][-1] == "'": list[i] = list[i][:-1] return list
2. 統(tǒng)計,排序
from getfilewords import getword def statistics(): dict={} #定義一個空的字典,在后面的運算中逐步添加數(shù)據(jù) words=getword() for word in words: #遍歷整個列表 if word in dict.keys(): #判斷當前單詞是否已經(jīng)存在 dict.keys()是已存進字典中的單詞 # 補充:keys() 方法用于返回字典中的所有鍵; # values() 方法用于返回字典中所有鍵對應(yīng)的值; #詳情見Test1 dict[word]=dict[word]+1 #在當前單詞的個數(shù)上加 1 else: dict[word]=1 #當前單詞第一次出現(xiàn)時 會把單詞寫入dict字典里 格式為 ‘單詞'=1 #排序 w_order=sorted(dict.items(),key=lambda x:x[1],reverse=True) # print(dict.items()) # dict.items()返回的是列表 # 按字典集合中,每一個元組的第二個元素排列。 # sorted會對dict.items()這個list進行遍歷,把list中的每一個元素,也就是每一個tuple()當做x傳入匿名函數(shù)lambda x:x[1],函數(shù)返回值為x[1] # reverse屬性True為降序 False為升序 return w_order #返回排序后的列表
3.結(jié)果寫入文本
from WordStatistics import statistics def writefile(): w_order=statistics() f = open('result.txt', 'w',encoding='utf-8') print("文章單詞總個數(shù):",+len(getword()),file=f) print("文章單詞總個數(shù):", +len(getword())) # 寫入文件 print("詞頻最高的10個單詞和次數(shù)",file=f) print("詞頻最高的10個單詞和次數(shù)") w_order10=w_order[:10]#將列表的前十位提取并且遍歷 輸出key(單詞)和values(次數(shù)) for key,values in w_order10: print(key,':',values,file=f) print(key, ':', values) #遍歷列表中的所有數(shù)據(jù) print("統(tǒng)計結(jié)果",file=f) for key,values in w_order: print(key,':',values,file=f) f.close()#關(guān)閉文件
4.程序入口
import os from writefile import writefile print("詞頻統(tǒng)計軟件") print("正在統(tǒng)計中。。。") print("統(tǒng)計成功,結(jié)果保存到result.txt") writefile() print("程序運行結(jié)束") os.system("pause")
5.運行截圖 這是需要統(tǒng)計的文本
運行程序
運行結(jié)果
總結(jié)
到此這篇關(guān)于如何利用python實現(xiàn)詞頻統(tǒng)計功能的文章就介紹到這了,更多相關(guān)python實現(xiàn)詞頻統(tǒng)計內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- python實現(xiàn)簡單中文詞頻統(tǒng)計示例
- python jieba分詞并統(tǒng)計詞頻后輸出結(jié)果到Excel和txt文檔方法
- python利用多種方式來統(tǒng)計詞頻(單詞個數(shù))
- Python實現(xiàn)統(tǒng)計英文文章詞頻的方法分析
- python 文本單詞提取和詞頻統(tǒng)計的實例
- 詳解Python用三種方式統(tǒng)計詞頻的方法
- Python jieba 中文分詞與詞頻統(tǒng)計的操作
- python寫程序統(tǒng)計詞頻的方法
- Python統(tǒng)計詞頻并繪制圖片(附完整代碼)
- python中文分詞+詞頻統(tǒng)計的實現(xiàn)步驟
相關(guān)文章
Python內(nèi)建函數(shù)Built_in Funtions用法示例詳解
這篇文章主要為大家介紹了Python內(nèi)建函數(shù)Built_in Funtions用法示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-08-08Python 快速實現(xiàn)CLI 應(yīng)用程序的腳手架
本篇文章主要介紹了Python 快速實現(xiàn)CLI 應(yīng)用程序的腳手架,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2017-12-12如何基于Python實現(xiàn)數(shù)字類型轉(zhuǎn)換
這篇文章主要介紹了如何基于Python實現(xiàn)數(shù)字類型轉(zhuǎn)換,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-02-02python命令行運行報錯ModuleNotFoundError:No module named‘X
這篇文章主要介紹了python命令行運行報錯ModuleNotFoundError:No module named‘XXX‘找不到自定義模塊問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-11-11Python Pickling 和 Unpickling 的區(qū)別
Python中的Pickling和Unpickling是與數(shù)據(jù)序列化和反序列化相關(guān)的重要概念,本文主要介紹了Python Pickling和Unpickling的區(qū)別,具有一定的參考價值,感興趣的可以了解一下2023-11-11