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
RunsenLIu几秒前
019 | backtrader回测布林带突破策略
开发语言·python
A_aspectJ3 分钟前
如何抓住Java开发岗的市场红利?从需求端反推学习路径
java·开发语言·职场和发展
睿智的海鸥4 分钟前
Markdown 语法大全详解
开发语言·前端·javascript·css·html
w_com.h4 分钟前
C语言中 栈、队列、双向链表
c语言·开发语言·链表
XS03010613 分钟前
Java 基础(九) IO流
java·开发语言·php
Teable任意门互动15 分钟前
多维表格哪家最好用最容易上手?国产开源 Teable 测评
开发语言·数据库·开源·excel·飞书·开源软件
独隅15 分钟前
此电脑网络位置异常的AD域排错指南
开发语言·php
陈天伟教授16 分钟前
GPT Image 2
开发语言·人工智能·架构
他是龙55124 分钟前
68:Java 原生反序列化 & SpringBoot 攻防
java·开发语言·spring boot
weixin_3812881828 分钟前
Layui怎么在表格标题栏中嵌入一个迷你的HTML搜索表单
jvm·数据库·python