位置: IT常识 - 正文

疑问搞懂,python中文词频统计,让你真能学会(python答疑)

编辑:rootadmin
疑问搞懂,python中文词频统计,让你真能学会

推荐整理分享疑问搞懂,python中文词频统计,让你真能学会(python答疑),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python询问,python答疑,python疑难解答,python常问问题,python答疑,python语言问题,python语言问题,python常问问题,内容如对您有帮助,希望把文章链接给更多的朋友!

词频统计是指在文本中计算每个词出现的次数。 在 Python 中,可以使用一些第三方库(如 jieba)来分词,然后使用字典等数据结构记录每个词的词频。

Python中文词频统计知识点分词:需要对中文文本进行分词,分词的目的是将文本分解为独立的词语,便于后续的词频统计。字典:使用字典存储每个词的词频。字典的键为词语,值为词频。遍历:遍历分词后的结果,统计每个词出现的次数。排序:对字典按照词频排序,以得到词频最高的词。输出:最后,可以输出词频最高的词,也可以输出完整的词频字典。文章目录Python中文词频分词安装 jieba 库:使用 jieba.cut() 函数对中文文本进行分词:输出结果:使用字典可以很方便地存储每个词语的词频再次整理Python词频统计的具体实现方法:停用词词干提取词云图Python 中文词频分词其它库Python中文词频分词安装 jieba 库:pip install jieba使用 jieba.cut() 函数对中文文本进行分词:import jiebatext = "梦想橡皮擦的Python博客很不错"seg_list = jieba.cut(text)print(list(seg_list))输出结果:['梦想', '橡皮擦', '的', 'Python', '博客', '很', '不错']使用字典可以很方便地存储每个词语的词频import jiebatext = "梦想橡皮擦的Python博客很不错"seg_list = jieba.cut(text)# print(list(seg_list))word_dict = {}for word in seg_list: print(word) if word in word_dict: word_dict[word] += 1 else: word_dict[word] = 1print(word_dict)再次整理Python词频统计的具体实现方法:导入 jieba 库,使用 jieba.cut() 函数对中文文本进行分词。遍历分词后的结果,统计每个词出现的次数。使用字典记录每个词出现的次数。对字典按照词频排序,并输出词频最高的词。

代码示例:

import jiebadef get_word_frequency(text): seg_list = jieba.cut(text) word_dict = {} for word in seg_list: if word in word_dict: word_dict[word] += 1 else: word_dict[word] = 1 sorted_word_dict = sorted(word_dict.items(), key=lambda x: x[1], reverse=True) return sorted_word_dicttext = "梦想橡皮擦的Python博客很不错"result = get_word_frequency(text)print(result)

停用词

在分词时,通常会忽略一些词语,这些词语被称为停用词。如常用的助词、介词等。

在 Python 中,可以预先加载停用词表,在分词时,如果词语是停用词,则忽略。

下面是一个简单的例子:

import jiebastop_words = set()with open("stop_words.txt", "r",encoding='utf-8') as f: for line in f: stop_words.add(line.strip())text = "梦想橡皮擦的Python博客很不错"seg_list = jieba.cut(text)filtered_words = [word for word in seg_list if word not in stop_words]print(filtered_words)

“stop_words.txt” 文件中是停用词表,每行一个词语。在代码中,通过 with open 语句读取文件,并将每个词语加入到 stop_words 集合中。在分词后,通过列表推导式,筛选出不是停用词的词语。文件中的内容如下:

词干提取

词干提取是将词语的不同形式提取为同一词干的过程。例如 “running” 和 “runner” 可以被提取为 “run”。

疑问搞懂,python中文词频统计,让你真能学会(python答疑)

在 Python 中,可以使用词干提取工具来进行词干提取,常见的词干提取工具有 nltk 库的 PorterStemmer 和 SnowballStemmer 。

下面是一个简单的例子:

import nltkfrom nltk.stem import SnowballStemmerstemmer = SnowballStemmer("english")words = ["run", "runner", "running"]stemmed_words = [stemmer.stem(word) for word in words]print(stemmed_words)

SnowballStemmer 函数的第一个参数是语言。 english 表示使用英语词干提取器。 其支持多种语言,可以指定不同的语言,以使用不同的词干提取器。例如,如果是法语文本,可以使用 SnowballStemmer("french") 。

stemmer.stem(word) 是 nltk 库的 SnowballStemmer 函数的一个方法,用于提取词干。

词云图

词云图是一种展示词频的可视化图形,其中词语的大小代表词频的多少。

在 Python 中,可以使用词云库 wordcloud 来生成词云图。

以下是一个使用 wordcloud 库创建词云图的简单示例:

from wordcloud import WordCloudimport matplotlib.pyplot as plttext = "ca1 ca2 ca3 ca4 ca4 ca4"wordcloud = WordCloud(width=400, height=400, random_state=21, max_font_size=110).generate(text)plt.figure(figsize=(10, 5))plt.imshow(wordcloud, interpolation="bilinear")plt.axis('off')plt.show()

首先使用 WordCloud 函数创建一个词云图对象,并设置图片的宽度、高度、随机状态、字体大小等参数。

然后,使用 generate() 方法生成词云图,并将其作为参数传递给 matplotlib 的 imshow() 函数。

最后,使用 show() 方法显示词云图。

Python 中文词频分词其它库thulac:thulac 是一个中文分词库,支持动态词性标注。snownlp:snownlp 是一个基于 SnowNLP 的中文自然语言处理库,支持中文分词、情感分析、关键词提取等功能。

📢📢📢📢📢📢 💗 你正在阅读 【梦想橡皮擦】 的博客 👍 阅读完毕,可以点点小手赞一下 🌻 发现错误,直接评论区中指正吧 📆 橡皮擦的第 872 篇原创博客

👇 全网 6000+人正在学习的 爬虫专栏 👇👇👇👇

⭐️ Python 爬虫 120,点击订购 ⭐️⭐️ 爬虫 100 例教程,点击订购 ⭐️
本文链接地址:https://www.jiuchutong.com/zhishi/300298.html 转载请保留说明!

上一篇:OpenCV中的图像处理 —— 傅里叶变换+模板匹配(opencv如何显示图片)

下一篇:端午假期整理了仿天猫H5 APP项目vue.js+express+mongo(端午假期干什么)

  • 所得税汇算清缴表在哪里打印
  • 纳税检查调整的滞纳金怎么收
  • 违约金的专票能抵扣吗
  • 会计凭证销毁方法
  • 企业所得税期初资产总额怎么填写
  • 企业所得税营业收入和增值税销售收入
  • 两个账户往来款怎么做现金流量表
  • 单一环节征税有哪些类型
  • 跨期列支成本费用危害
  • 从事演出业务取得的收入
  • 可供出售金融资产会计处理
  • 会计核算制度包括哪些准则
  • 原材料入库是付款凭证吗
  • 跨年度费用怎么入账
  • 本月进项大于销项怎么做会计分录
  • 当月不抵扣的增值税发票怎么做账
  • 投资款印花税的税率是多少啊
  • 未达起征点销售额和其他免税销售额
  • 应税行为扣除额计算怎么填
  • 一般纳税人适用税种及税率
  • 案例讨论如何进行
  • 物业费需不需要物价局审批
  • 资产无偿划转怎么开具发票
  • 个人业务费是什么
  • 固定资产净残值是什么意思
  • 净资产利润比率计算公式
  • 委托加工物资的加工费计入什么科目
  • u盘bios设置usb启动
  • 本年利润贷方为正数
  • PHP:session_encode()的用法_Session函数
  • PHP:Memcached::getDelayedByKey()的用法_Memcached类
  • 物业公司成本费用
  • 货物运输业增值税专用发票
  • 交易性金融资产的账务处理
  • 我国中小企业成本管理现状
  • 阿尔卑斯山百度百科
  • php 命名空间
  • 个人独资企业建筑类怎么注册
  • php数据库分页是怎么实现的
  • yolo算法python代码
  • 购买短期股票
  • 离线开票限额怎么办
  • 进项税和销项税月末怎么结转
  • 最常用的成本核算表格
  • python next iter
  • 小规模纳税人印花税减半征收政策
  • 小规模纳税人能开专票吗2023
  • mysql中删除语句怎么写
  • 老板让我做分公司负责人能接受么
  • 公司购买土地建厂房账务处理小企业会计准则
  • 航信服务费减免怎么填
  • 税控盘减免税款月末不用交税还要结转吗
  • 支付金额和实付金额的区别
  • 物流公司挂靠车辆如何做账?
  • sql server临时表创建语句
  • window9为什么没有
  • ubuntu中no such file or directory
  • linux rpm如何安装
  • windows10更新最新版本
  • driver's
  • msoobe.exe是什么
  • 苹果电脑连不上网络但是wifi正常
  • win10专业版系统安装教程
  • 怎么下载win8
  • win10小娜怎么用不了
  • dos批处理实例
  • BootStrap glyphicons 字体图标实现方法
  • nodejs stdin
  • bat批量命名
  • 实现每个星期的计划英语
  • Python的pycurl包用法简介
  • shell语言的特点
  • 类库怎么用
  • 天津违规养犬的处罚依据
  • 留抵税款
  • 福利企业免税有哪些项目
  • 佛山电动摩托车能上牌吗
  • 国家税务局的单位性质是什么
  • 代销手续费增值税会计处理
  • 减免税办理
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设