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
skylar05 分钟前
小白1分钟安装flash-attn
开发语言·python
JustNow_Man8 分钟前
psmux快捷键
人工智能·python
默子昂12 分钟前
ollama 自定义ui
开发语言·python·ui
abcy07121313 分钟前
Python中使用FastAPI和HDFS进行异步文件上传
python·fastapi
abcy07121314 分钟前
flask hdfs 异步上传图文教程csdn
python·flask
在放️33 分钟前
Python 爬虫 · PyQuery 模块基础
爬虫·python
装不满的克莱因瓶1 小时前
【自动驾驶领域】学习 Cityscapes 数据集——城市街景语义理解的标准基准
人工智能·pytorch·python·深度学习·学习·机器学习·自动驾驶
吴卫斌1 小时前
波动率控制仓位系列(一):满仓轮动的“过山车”困境
大数据·python·股票·量化交易
如此这般英俊1 小时前
手搓Claude Code-第三章 permission
人工智能·python·语言模型
TE-茶叶蛋1 小时前
TF-IDF 与 BM25 深度解析:从理论到项目实战
python·django·tf-idf