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
JaydenAI6 分钟前
[LangChain之链]Runnable,不仅要可执行,还要可存储、可传输、可重建、可配置和可替换
python·langchain
躲在云朵里`8 分钟前
Jeecgboot框架-权限控制
java·开发语言
江西理工大学小杨21 分钟前
高性能 C++ 社交平台1:微服务架构设计
开发语言·c++·微服务
lihao lihao22 分钟前
接口自动化测试—request模块
开发语言·python
lintax23 分钟前
计算π值-割圆法
python·公式推导·计算π·割圆法
升讯威在线客服系统25 分钟前
从 GC 抖动到稳定低延迟:在升讯威客服系统中实践 Span 与 Memory 的高性能优化
java·javascript·python·算法·性能优化·php·swift
Coisinilove35 分钟前
MATLAB微分方程求解
开发语言·matlab·微分方程
鲨辣椒1008641 分钟前
线程函数接口补充
java·开发语言·算法
workflower1 小时前
需求-技术需求
python·测试用例·需求分析·软件需求
沐知全栈开发1 小时前
Java 枚举
开发语言