python實現(xiàn)簡單中文詞頻統(tǒng)計示例
本文介紹了python實現(xiàn)簡單中文詞頻統(tǒng)計示例,分享給大家,具體如下:
任務(wù)
簡單統(tǒng)計一個小說中哪些個漢字出現(xiàn)的頻率最高
知識點
1.文件操作
2.字典
3.排序
4.lambda
代碼
import codecs
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默認(rèn)字體
mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負(fù)號'-'顯示為方塊的問題
word = []
counter = {}
with codecs.open('data.txt') as fr:
for line in fr:
line = line.strip()
if len(line) == 0:
continue
for w in line:
if not w in word:
word.append(w)
if not w in counter:
counter[w] = 0
else:
counter[w] += 1
counter_list = sorted(counter.items(), key=lambda x: x[1], reverse=True)
print(counter_list[:50])
label = list(map(lambda x: x[0], counter_list[:50]))
value = list(map(lambda y: y[1], counter_list[:50]))
plt.bar(range(len(value)), value, tick_label=label)
plt.show()
統(tǒng)計了一個11M的小說,結(jié)果如下:
[(',', 288508), ('。', 261584), ('的', 188693), ('陳', 92565), ('歡', 92505), ('不', 91234), ('是', 90562), ('了', 86931), ('一', 79059), ('著', 77997), ('他'
, 71695), ('這', 63580), ('人', 61210), ('“', 59719), ('”', 59115), ('有', 56054), ('就', 52862), ('個', 49097), ('都', 46850), ('你', 45400), ('來', 42659),
('我', 40057), ('在', 37676), ('們', 36966), ('到', 36351), ('說', 35828), ('還', 35260), ('么', 32601), ('下', 31742), ('地', 30692), ('得', 29904), ('上', 2
9627), ('看', 28408), ('沒', 28333), ('出', 27937), ('道', 27732), ('大', 27012), ('?', 26729), ('那', 26589), ('要', 26076), ('子', 25035), ('自', 24012), ('
點', 23942), ('好', 21345), ('想', 21242), ('里', 20915), ('面', 20661), ('她', 20313), ('過', 20304), ('話', 20110)]

使用jieba先對中文文檔進(jìn)行分詞處理
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
import jieba
import jieba.analyse
wf = open('clean_title.txt','w+')
for line in open('/root/clean_data/clean_data.csv'):
item = line.strip('\n\r').split('\t') //制表格切分
# print item[1]
tags = jieba.analyse.extract_tags(item[1]) //jieba分詞
tagsw = ",".join(tags) //逗號連接切分的詞
wf.write(tagsw)
wf.close()
輸出的clean_title.txt內(nèi)容
郵輪,地中海,深度,羅馬,自由納西,柏林簽證,步行,三天,批準(zhǔn)申根,手把手,簽證,申請,如何贊爆,法蘭,穿越,葡萄酒,風(fēng)景,河谷,世界歐洲顏色,一種,國家,一個水族箱,帕勞,七日,上帝奧林匹亞,跑步圣托,
里尼,文明古國,探訪,愛琴海,魅力,希臘
2、統(tǒng)計詞頻
#!/usr/bin/python
# -*- coding:utf-8 -*-
word_lst = []
word_dict= {}
with open('/root/clean_data/clean_title.txt') as wf,open("word.txt",'w') as wf2: //打開文件
for word in wf:
word_lst.append(word.split(',')) //使用逗號進(jìn)行切分
for item in word_lst:
for item2 in item:
if item2 not in word_dict: //統(tǒng)計數(shù)量
word_dict[item2] = 1
else:
word_dict[item2] += 1
for key in word_dict:
print key,word_dict[key]
wf2.write(key+' '+str(word_dict[key])+'\n') //寫入文檔
結(jié)果:
最后 4
歐洲幽藍(lán) 1
集美 1
葡萄牙法多 1
工地 1
知道湖光山色 1
神圣 7
歐洲少女瑞士加游 1
根據(jù)詞匯數(shù)量排序查看:
cat word.txt |sort -nr -k 2|more
神圣 7
最后 4
歐洲幽藍(lán) 1
集美 1
葡萄牙法多 1
工地 1
知道湖光山色 1
歐洲少女瑞士加游 1
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
關(guān)于python selenium 運行時彈出窗口問題
最近在做一個網(wǎng)頁代填項目,用到了python的selenium知識,經(jīng)過了各種嘗試與搜索最后終算是較完美的解決了,下面小編給大家?guī)砹藀ython selenium 運行時彈出窗口問題,感興趣的朋友一起看看吧2021-11-11
Python socket模塊實現(xiàn)的udp通信功能示例
這篇文章主要介紹了Python socket模塊實現(xiàn)的udp通信功能,結(jié)合具體實例形式分析了Python使用socket模塊實現(xiàn)UDP通信客戶端與服務(wù)器端相關(guān)實現(xiàn)技巧,需要的朋友可以參考下2019-04-04
Python+requests+unittest執(zhí)行接口自動化測試詳情
這篇文章主要介紹了Python+requests+unittest執(zhí)行接口自動化測試詳情,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價值,需要的朋友可以參考一下2022-09-09

