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
yue0081 分钟前
C# 求取整数的阶乘
java·开发语言·c#
herogus丶6 分钟前
【LLM】LLaMA-Factory 训练模型入门指南
python·ai编程·llama
谏书稀11 分钟前
LLaMA Factory微调大模型
python·transformer·llama
曹绍华14 分钟前
android 线程loop
android·java·开发语言
树在风中摇曳22 分钟前
C语言动态内存管理:从基础到进阶的完整解析
c语言·开发语言·算法
雨中散步撒哈拉28 分钟前
16、做中学 | 初三上期 Golang面向对象_进阶
爬虫·python·golang
mjhcsp35 分钟前
C++ 高精度计算:突破数据类型限制的实现与应用
开发语言·c++·算法·高精度
lixinnnn.37 分钟前
C++: map和set
开发语言·c++
追风少年ii1 小时前
单细胞空间联合分析新贵--iStar
python·数据分析·空间·单细胞
郝学胜-神的一滴1 小时前
Qt QPushButton 样式完全指南:从基础到高级实现
linux·开发语言·c++·qt·程序人生