如何利用python实现词频统计功能_Python

如何利用python实现词频统计功能

2022-01-26 11:10周鱼仔 Python

词频统计用途很广泛,比如我们统计某篇文章中的用词频率,网络热点词汇,再比如起名排行榜呀、热门旅游景点排行榜呀什么的,其实也都可以套用,这篇文章主要给大家介绍了关于如何利用python实现词频统计功能的相关资料,需要的朋

功能要求

这是我们老师的作业代码中都有注释要求词频统计软件：

1）从文本中读入数据：（文件的输入输出）

2）不区分大小写,去除特殊字符。

3）统计单词例如：about ：10 并统计总共多少单词

4）对单词排序。出现次数

5）输出词频最高的10个单词和次数

6）把统计结果存入文本

方法如下

1.文件的读取，区分大小写，去除特殊字符

import re
 
def getword():
     # 读取文件
     f=open("read.txt","r",encoding="utf-8")
     # 将大写转化成小写
     word=f.read().lower()
     # 关闭文件
     f.close()
     #利用正则除去特殊字符   |符+
     list=re.split("s+|,+|.+|!+|:+|?+|;+|(+|)+|-+|\_+|=+|++|“+|、+|/+|{+|}+|”+|：+|。+|“+|[+|]+|【+|】+|―+|\%+|"+",word)
     # 遍历列表 去除列表中的空格
     i = 0
     while i < len(list):
          if list[i] == "":
               list.remove(list[i])
               i -= 1
          i += 1
 
     # for a in list:
     #      if a == "":
     #         list.remove(a)
    #用for循环的话如果存在多个空字符串 其列表会随时发生变化，导致无法正常删除空字符串 所以在使用for…in循环遍历列表时，最好不要对元素进行增删操作
 
#  对于others"优化 如果最后一个字符是‘就将"其去掉
     for i in range(len(list)):
          l=list[i]
          if list[i][-1] == """:
               list[i] = list[i][:-1]
     return list

2. 统计，排序

from getfilewords import getword
 
def statistics():
    dict={}  #定义一个空的字典，在后面的运算中逐步添加数据
    words=getword()
    for word in words: #遍历整个列表
        if word in dict.keys():  #判断当前单词是否已经存在 dict.keys()是已存进字典中的单词
            # 补充：keys() 方法用于返回字典中的所有键；
            # values() 方法用于返回字典中所有键对应的值；
            #详情见Test1
            dict[word]=dict[word]+1  #在当前单词的个数上加 1
        else:
            dict[word]=1  #当前单词第一次出现时 会把单词写入dict字典里 格式为 ‘单词"=1
#排序
    w_order=sorted(dict.items(),key=lambda x:x[1],reverse=True)
# print(dict.items())
# dict.items()返回的是列表
# 按字典集合中，每一个元组的第二个元素排列。
# sorted会对dict.items()这个list进行遍历，把list中的每一个元素，也就是每一个tuple()当做x传入匿名函数lambda x：x[1],函数返回值为x[1]
# reverse属性True为降序 False为升序
    return w_order #返回排序后的列表

3.结果写入文本

from WordStatistics import statistics
def writefile():
    w_order=statistics()
    f = open("result.txt", "w",encoding="utf-8")
    print("文章单词总个数:",+len(getword()),file=f)
    print("文章单词总个数:", +len(getword()))
 
    # 写入文件
    print("词频最高的10个单词和次数",file=f)
    print("词频最高的10个单词和次数")
 
    w_order10=w_order[:10]#将列表的前十位提取并且遍历 输出key(单词)和values(次数)
    for key,values in w_order10:
        print(key,":",values,file=f)
        print(key, ":", values)
 
    #遍历列表中的所有数据
    print("统计结果",file=f)
    for key,values in w_order:
        print(key,":",values,file=f)
    f.close()#关闭文件

4.程序入口

import os
 
from writefile import writefile
 
print("词频统计软件")
print("正在统计中。。。")
print("统计成功，结果保存到result.txt")
writefile()
print("程序运行结束")
os.system("pause")

5.运行截图这是需要统计的文本

如何利用python实现词频统计功能