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
weixin_421922691 分钟前
使用Scikit-learn进行机器学习模型评估
jvm·数据库·python
Liu628884 分钟前
如何为开源Python项目做贡献?
jvm·数据库·python
mygugu4 分钟前
详细分析swanlab集成mmengine底层实现机制--源码分析
python·深度学习·可视化
神舟之光7 分钟前
Java面向对象编程知识补充学习-2026.3.21
java·开发语言·学习
奶人五毛拉人一块8 分钟前
C++入门学习
开发语言·c++·函数重载·入门·nullptr
吃不饱的得可可9 分钟前
protobuf万字总结(C++)
开发语言·c++
m0_662577979 分钟前
嵌入式C++安全编码
开发语言·c++·算法
2301_8101609512 分钟前
代码生成器优化策略
开发语言·c++·算法
烟花巷子13 分钟前
使用Kivy开发跨平台的移动应用
jvm·数据库·python