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
上海云盾-高防顾问5 分钟前
DNS异常怎么办?快速排查+解决指南
开发语言·php
开发者小天11 分钟前
python安装 Matplotlib 库 安装 Seaborn 库
开发语言·python·matplotlib
wjs202412 分钟前
《Foundation 折叠列表:设计与应用解析》
开发语言
with-the-flow12 分钟前
从数学底层的底层原理来讲 random 的函数是怎么实现的
c语言·python·算法
iOS开发上架19 分钟前
系统架构-进程管理
python·腾讯云
多恩Stone21 分钟前
【3D-AICG 系列-15】Trellis 2 的 O-voxel Shape: Flexible Dual Grid 代码与论文对应
人工智能·python·算法·3d·aigc
晞子的技术札记35 分钟前
单相Heric并网逆变器工作原理及MATLAB仿真测试
开发语言·matlab
李云龙炮击平安线程1 小时前
Python中的接口、抽象基类和协议
开发语言·后端·python·面试·跳槽
深圳华秋电子1 小时前
靠谱的EDA AI助手生产厂家——华秋KiCad
人工智能·python
十五年专注C++开发1 小时前
Qt deleteLater作用及源码分析
开发语言·c++·qt·qobject