文件方式实现完整的英文词频统计实例

转载于 2017-09-27 16:05:00 发布 · 65 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/kebibrany/p/7602272.html

本文详细介绍了一种分析英文小说词频的方法，包括读取文本、单词提取、计数、排除常见词、排序及输出TOP20单词的过程。通过实例演示了如何使用Python进行词频统计，适用于文本分析和自然语言处理的初学者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

可以下载一长篇的英文小说，进行词频的分析。

1.读入待分析的字符串

2.分解提取单词

3.计数字典

4.排除语法型词汇

5.排序

6.输出TOP(20)

7.对输出结果的简要说明。

fo=open('D:\\numb.txt','r')
news=fo.read()
fo.close()
news=news.lower()# 字符串处理
for i in ',.':
    news=news.replace(i,'')
words=news.split(' ')#单词的列表
print(words)
exp={'i','so','the','to','be','in','of'}#不统计单词的集合
dic={}
keys=set(words)-exp#键的集合
for j in keys:
    dic[j]=words.count(j)#单词计数字典
s=list(dic.items())
s.sort(key=lambda x:x[1],reverse=True)#列表排序
for i in range(20):#输出TOP20元组
    print(s[i])