失眠网,内容丰富有趣,生活中的好帮手!
失眠网 > python提取停用词_python进行分词 去停用词和统计词频

python提取停用词_python进行分词 去停用词和统计词频

时间:2018-11-19 15:17:23

相关推荐

python提取停用词_python进行分词 去停用词和统计词频

数据的下载链接:链接:/s/1IyOJfpCu4HRqCmTrVI7b8Q 密码:52u7

import jieba #用jieba库进行分词

#读取数据

text = open('Walden.txt','r',encoding='utf-8').read()

len(text)

#全部字符变成小写字符

text = text.lower()

#读取停用词,创建停用词表

stwlist = [line.strip() for line in open 'stopwords.txt',encoding='utf-8').readlines()]

#先进行分词

words = jieba.cut(text,cut_all = False,HMM = True)

#cut_all:是否采用全模式

#HMM:是否采用HMM模型

#去停用词,统计词频

word_ = {}

for word in words:

if word.strip() not in stwlist:

if len(word) > 1:

if word != '\t':

if word != '\r\n':

#计算词频

if word in word_:

word_[word] += 1

else:

word_[word] = 1

#将词汇和词频以元组的形式保存

word_freq = []

for word,freq in word_.items():

word_freq.append((word,freq))

#进行降序排列

word_freq.sort(key = lambda x:x[1],reverse = True)

#查看前200个结果

for i in range(200):

word,freq =word_freq[i]

print('{0:10}{1:5}'.format(word,freq))

如果觉得《python提取停用词_python进行分词 去停用词和统计词频》对你有帮助,请点赞、收藏,并留下你的观点哦!

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。