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
哈哈不让取名字17 小时前
基于C++的爬虫框架
开发语言·c++·算法
幻云201017 小时前
Python深度学习:从筑基到登仙
前端·javascript·vue.js·人工智能·python
花间相见17 小时前
【JAVA开发】—— Nginx服务器
java·开发语言·nginx
扶苏-su17 小时前
Java---Properties 类
java·开发语言
仰望星空@脚踏实地17 小时前
本地Python脚本是否存在命令注入风险
python·datakit·命令注入
LOnghas121118 小时前
果园环境中道路与树木结构检测的YOLO11-Faster语义分割方法
python
一条咸鱼_SaltyFish19 小时前
远程鉴权中心设计:HTTP 与 gRPC 的技术决策与实践
开发语言·网络·网络协议·程序人生·http·开源软件·个人开发
我即将远走丶或许也能高飞19 小时前
vuex 和 pinia 的学习使用
开发语言·前端·javascript
沐知全栈开发19 小时前
SQL LEN() 函数详解
开发语言
钟离墨笺19 小时前
Go语言--2go基础-->基本数据类型
开发语言·前端·后端·golang