Python 词频统计

Posted 2020-11-18 littlebob

利用Python做一个词频统计

GitHub地址：FightingBob 【Give me a star , thanks.】

• 词频统计

　　对纯英语的文本文件【Eg: 瓦尔登湖(英文版).txt】的英文单词出现的次数进行统计，并记录起来

• 代码实现

•  1 import string
   2 from os import path
   3 with open(‘瓦尔登湖(英文版).txt‘,‘rb‘) as text1:
   4     words = [word.strip(string.punctuation).lower() for word in str(text1.read()).split()]
   5     words_index = set(words)
   6     count_dict = {index:words.count(index) for index in words_index}
   7     with open(path.dirname(__file__) + ‘/file1.txt‘,‘a+‘) as text2:
   8         text2.writelines(‘以下是词频统计的结果：‘ + ‘
  ‘)
   9         for word in sorted(count_dict,key=lambda x:count_dict[x],reverse=True):
  10             text2.writelines(‘{}--{} times‘.format(word,count_dict[word]) + ‘
  ‘)
  11         text1.close()
  12         text2.close()

   

• 代码解析　　

  • 获取文件，以二进制格式打开文件，用于读取内容

    • 　　1 with open(‘瓦尔登湖(英文版).txt‘,‘rb‘) as text1:

  • 获取单词列表

    • 先读取内容

      • 　　content = text1.read()

    • 再获取单词列表（使用split() 通过指定分隔符对字符串进行切片）

      • 　　words = content.split()

    • 单词大写改小写，去掉单词前后符号

      • 　　word,strip(string.punctuation).lower()

    • 去除重复的单词

      • 　　words_index = set(words)

  • 设置单词：单词次数的字典　　　　　　

  • 　　count_dict = {index:words.count(index) for index in words_index}

  • 写入词频统计

    • 先创建文件，获取当前目录，并以追加写入的方式写入

      • 　　with open(path.dirname(__file__) + ‘/file1.txt‘,‘a+‘) as text2:

    • 换行写入

      • 　　text2.writelines(‘以下是词频统计的结果：‘ + ‘ ‘)

    • 对单词进行排序，根据次数从大到小【key=lambda x:count_dict[x]以值排序】

      • 　　sorted(count_dict,key=lambda x:count_dict[x],reverse=True)

    • 换行写入词频

      • 　　text2.writelines(‘{}--{} times‘.format(word,count_dict[word]) + ‘ ‘)

    • 关闭资源

      • 　　text1.close()
      • 　　text2.close()

GitHub地址：FightingBob 【Give me a star , thanks.】