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
zzzll11113 分钟前
Claude Code离线安装方案揭秘
开发语言·php
数字化转型分享点滴1 小时前
富士康、蓝思科技为何选择四化信息?MES制造执行系统的实践
python·科技
wling03011 小时前
vasp虚频计算-python脚本
开发语言·windows·python·vasp计算
魔镜前的帅比1 小时前
(开源项目)x-claw(总)
python·ai·rust·开源
郝学胜-神的一滴1 小时前
Qt 高级编程 040:按钮悬浮弹出滑块弹窗的完整攻略
开发语言·c++·qt·软件工程·用户界面
xrandzj2 小时前
Python面向对象编程入门:类、实例、初始化与封装实践
开发语言·python
DLYSB_3 小时前
API 网关流量洪峰与突发 CC 攻击:我用 Go 写了个“现场物理防御哨兵”,把故障响应压缩到秒级
开发语言·后端·golang·报警灯
matlabgoodboy5 小时前
计算机毕设代做|Java Python Matlab APP 全套开发设计
java·python·课程设计
雨田言炎5 小时前
四、关于Qt项目需要知道的
开发语言·笔记·qt
用户8356290780515 小时前
Python Word 转 PDF 和 PDF 转 Word 指南
后端·python