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
MediaTea13 分钟前
Python:模块 __dict__ 详解
开发语言·前端·数据库·python
jarreyer19 分钟前
python,numpy,pandas和matplotlib版本对应关系
python·numpy·pandas
代码or搬砖1 小时前
HashMap源码
开发语言·python·哈希算法
星辰_mya1 小时前
reids哨兵集群与选主
java·开发语言
期待のcode1 小时前
Java的多态
java·开发语言
证能量少女2 小时前
2026大专Java开发工程师,考什么证加分?
java·开发语言
芒克芒克2 小时前
Java集合框架总结(面试八股)
java·开发语言·面试
顽强卖力2 小时前
第二章:什么是数据分析师?
笔记·python·职场和发展·学习方法
ejjdhdjdjdjdjjsl2 小时前
C#文件流操作技巧
java·开发语言·spring
lkbhua莱克瓦242 小时前
反射3-反射获取构造方法
java·开发语言·反射