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
web前端进阶者29 分钟前
Rust初学知识点快速记忆
开发语言·后端·rust
L-李俊漩41 分钟前
荆华密算 面试题(大模型开发)
python
lucky九年1 小时前
GO语言模拟C++封装,继承,多态
开发语言·c++·golang
温天仁1 小时前
西门子PLC编程实践教程:工控工程案例学习
开发语言·学习·自动化·php
小陈工1 小时前
Python Web开发入门(十):数据库迁移与版本管理——让数据库变更可控可回滚
前端·数据库·人工智能·python·sql·云原生·架构
lsx2024061 小时前
Java 数组
开发语言
JosieBook1 小时前
【C#】VS中的 跨线程调试异常:CrossThreadMessagingException
开发语言·c#
爱滑雪的码农1 小时前
Java八:Character 类与string类
java·开发语言
csbysj20201 小时前
《C 标准库 - 参考手册》
开发语言
JoshRen1 小时前
Python中的简单爬虫
爬虫·python·信息可视化