1.英文词频统
下载一首英文的歌词或文章
将所有,.?!’:等分隔符全部替换为空格
将所有大写转换为小写
生成单词列表
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
将分析对象存为utf-8编码的文件,通过文件读取的方式获得词频分析内容。
f=open("text.txt","r") song=f.read() f.close() sep=''',.?—!"''' exclude={'the','and','i','in',"i'm",'a','of','an','on','to','with'} for c in sep: song=song.replace(c,' ') swl=song.lower().split() swd={} sws=set(swl)-exclude for w in sws: swd[w]=swl.count(w) fl=list(swd.items()) fl.sort(key = lambda x:x[1],reverse = True) for i in fl: print(i) f=open("result.txt","w") for i in range(20): f.write(fl[i][0]+" "+str(fl[i][1])+"\n") f.close()
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)
import jieba f = open('xiyouji.txt','r', encoding='utf-8') text = f.read() f.close() p = ''',。‘’“”:;()!?、 ''' a = { '的', '\n', '\u3000', '曰', '之', '不', '人', '一', '大', '马', '来', '有', '于', '下', '此', } for i in p: text = text.replace(i, '') print(list(jieba.cut(text))) t = list(jieba.lcut(text)) print(t) count = {} wl = list(set(t) - a) print(wl) for i in range(0, len(wl)): count[wl[i]] = text.count(str(wl[i])) cl = list(count.items()) cl.sort(key=lambda x: x[1], reverse=True) print(cl) f = open('xyjCount.txt', 'a') for i in range(20): f.write(cl[i][0] + ':' + str(cl[i][1]) + '\n') f.close()