使用Python统计txt文件中的词频

python 复制代码
# 统计词频
import jieba
jieba.load_userdict(r'\百度分词词库.txt') #载入用户自定义词典,使分词结果更准确
stops_word_path = r'\stopwords_all.txt' #载入停用词表,此处使用的是哈工大停用词表
stopwords = pd.read_table(stops_word_path,encoding='utf-8',quoting=3)['words'].tolist()
stopwords.append('\n') #在停用词中加入换行符和空格,也可以自定义其他不需要统计词频的词语
stopwords.append(' ')
# stopwords
dic = dict()
file_path = r'C:\Users\Shy0418\Desktop\text.txt' #定义要统计的txt文件路径
with open(file_path, encoding='utf-8', mode='r+') as file_read:
    lines = file_read.readlines()
    for line in lines:
        # print(list(jieba.cut(line)))
        for word in list(jieba.cut(line)):
            if word not in stopwords:
                if word in dic.keys():
                    dic[word] += 1
                else:
                    dic[word] = 1
            else:
                continue
dic
word_freq = sorted(dic.items(), key = lambda kv:(kv[1], kv[0]), reverse=True) #按词频降序排列
word_freq #结果以词典的形式展示:{词语:词频}
相关推荐
Ricky111zzz9 分钟前
leetcode学python记录1
python·算法·leetcode·职场和发展
liu****9 分钟前
第16届省赛蓝桥杯大赛C/C++大学B组(京津冀)
开发语言·数据结构·c++·算法·蓝桥杯
fengfuyao9859 分钟前
VC++基于服务器的点对点文件传输实例
服务器·开发语言·c++
咬_咬18 分钟前
go语言学习(基本数据类型)
开发语言·学习·golang·数据类型
Y0011123618 分钟前
MySQL-进阶
开发语言·数据库·sql·mysql
Crazy________24 分钟前
docker4.8
java·开发语言·eureka
小白学大数据25 分钟前
Selenium+Python 爬虫:动态加载头条问答爬取
爬虫·python·selenium
山甫aa27 分钟前
List 容器 -----C++的stl学习
开发语言·c++·学习
cch891828 分钟前
Laravel 2.x:早期框架的奠基之路
java·开发语言
t1987512831 分钟前
光伏发电MPPT(最大功率点跟踪)MATLAB仿真程序
开发语言·matlab