最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python英文文章詞頻統(tǒng)計(14份劍橋真題詞頻統(tǒng)計)

 更新時間:2019年10月13日 15:26:26   作者:予微胡不歸  
這篇文章主要介紹了Python英文文章詞頻統(tǒng)計(14份劍橋真題詞頻統(tǒng)計),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧

Python劍橋真題詞頻統(tǒng)計

最好還是要學以致用,自主搜集了19年最近的14份劍橋真題之后,通過Python提供的jieba第三方庫,對所有的文章信息進行了詞頻統(tǒng)計,并選擇性地剔除了部分簡易詞匯,比如數(shù)字,普通冠詞等,博主較懶,未清楚干凈。

Python代碼如下:

import jieba
# 以只讀方式打開text(即真題庫)
text = open('text.txt', 'r', encoding = 'utf-8').read()
# len(text)

#統(tǒng)一為小寫 
text = text.lower()

# 需要剔除的詞匯列表,也可以用記事本的形式,添加一個打開記事本的語句即可
# 即 stwlist = [line.strip() for line in open 'stopwords.txt',encoding='utf-8').readlines()]
# 這里使用列表
stwlist = ['the','a','of','to','end','in','you','is','that','for','on','it','as','your','...','14',
      'this','or','20','40','27','30','13','21','26','10','15','22',
      '32','31','1','2','4','5','6','7','8','9','0','10','11','12','13',
      '12','13','15','16','17','25','33','35','36','18','23','19','24',
      '38','29','34','37','000','...............................']

# 先進行分詞
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

word_ = {}
for word in words:
  if (word.strip() not in stwlist):
    if len(word) > 1:
      if word != '\t':
        if word != '\r\n':
 # 計算詞頻
          if word in word_:
            word_[word] += 1
          else:
            word_[word] = 1

# 將結(jié)果保存為元組
word_freq = []
for word, freq in word_.items():
  word_freq.append((word, freq))

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

#輸出前3500個詞匯
for i in range(3500):
  word, freq = word_freq[i]
  print('{0:10}{1:5}'.format(word, freq))

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

最新評論

江陵县| 罗田县| 秭归县| 无极县| 泽普县| 奉贤区| 德阳市| 图片| 东台市| 徐闻县| 伽师县| 开阳县| 宁晋县| 兴城市| 郴州市| 饶平县| 稻城县| 石渠县| 嘉荫县| 铁力市| 洱源县| 河西区| 公主岭市| 平顶山市| 芦山县| 黔江区| 榕江县| 会理县| 鱼台县| 邹城市| 朝阳市| 固阳县| 朝阳区| 亚东县| 揭东县| 北京市| 塔河县| 观塘区| 阳江市| 五寨县| 瓮安县|