python如何統(tǒng)計(jì)文章中單詞出現(xiàn)次數(shù)

這篇文章主要介紹了python如何統(tǒng)計(jì)文章中單詞出現(xiàn)次數(shù)，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

python統(tǒng)計(jì)單詞出現(xiàn)次數(shù)

做單詞詞頻統(tǒng)計(jì)，用字典無(wú)疑是最合適的數(shù)據(jù)類型，單詞作為字典的key， 單詞出現(xiàn)的次數(shù)作為字典的 value，很方便地就記錄好了每個(gè)單詞的頻率，字典很像我們的電話本，每個(gè)名字關(guān)聯(lián)一個(gè)電話號(hào)碼。

下面是具體的實(shí)現(xiàn)代碼，實(shí)現(xiàn)了從importthis.txt文件讀取單詞，并統(tǒng)計(jì)出現(xiàn)次數(shù)最多的5個(gè)單詞。

# -*- coding:utf-8 -*-
import io
import re
 
class Counter:
  def __init__(self, path):
    """
    :param path: 文件路徑
    """
    self.mapping = dict()
    with io.open(path, encoding="utf-8") as f:
      data = f.read()
      words = [s.lower() for s in re.findall("\w+", data)]
      for word in words:
        self.mapping[word] = self.mapping.get(word, 0) + 1
 
  def most_common(self, n):
    assert n > 0, "n should be large than 0"
    return sorted(self.mapping.items(), key=lambda item: item[1], reverse=True)[:n]
 
if __name__ == '__main__':
  most_common_5 = Counter("importthis.txt").most_common(5)
  for item in most_common_5:
    print(item)

執(zhí)行效果：

('is', 10)
('better', 8)
('than', 8)
('the', 6)
('to', 5)

知識(shí)點(diǎn)補(bǔ)充：

1、如何正確讀寫文件

2、如何對(duì)數(shù)據(jù)進(jìn)行排序

3、字典數(shù)據(jù)類型的運(yùn)用

4、正則表達(dá)式的運(yùn)用

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“python如何統(tǒng)計(jì)文章中單詞出現(xiàn)次數(shù)”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來(lái)學(xué)習(xí)!