“Hamlet英文词频统计“实例讲解 |
您所在的位置：网站首页 › hamlet用英语怎么读 › “Hamlet英文词频统计“实例讲解 |
“Hamlet英文词频统计“实例讲解
|
一、问题分析
需求：一篇文章，出现了哪些词？哪些词出现得最多？
我们该怎么做呢？
1.获取归一化文本
我们在对一个文章进行统计之前，要确保它的格式正确，能够被识别。英文文章，字母有大写和小写，还有一些特俗字符。首先我们打开文件，
将文本中的大写字母修改为小写字母，特俗字符以空格进行替换。
由于整个文本就是一个大的字符串，要提取其中的每一个单词，需要用到s.split()方法将文本按空格切分，返回一个列表。
文件链接：hamlet
2.数据统计
我们可以利用字典统计列表中的每个单词出现的个数。
定义一个字典counts，利用字典我们逐一的从列表中取每一个元素，我们尝试一下这个元素是否在counts中，如果它在里面，就返回它的次数，再进行加1；如果它不在里面，就返回0，并加1，相当于在字典中新增了一个元素。
3.排序
将数据统计完之后，我们将字典转换为便于操作的列表，利用列表的list.sort()方法将列表按第二个值的值，从大到小进行排列。 4.输出利用for...in对前十的单词进行打印，并对格式进行处理 二、.代码实现 1.代码 #CalHamletV1.py def getText(): txt = open("hamlet.txt", "r").read() #打开读取文章 txt = txt.lower() #将大写字母转为小写 for ch in '!"#$%&()*+,-./:;?@[\\]^_‘{|}~': txt = txt.replace(ch, " ") #将文本中特殊字符替换为空格 return txt hamletTxt = getText() words = hamletTxt.split() counts = {} for word in words: counts[word] = counts.get(word,0) + 1 items = list(counts.items()) items.sort(key=lambda x:x[1], reverse=True) for i in range(10): word, count = items[i] print ("{0:5}".format(word, count)) 2.输出结果
大部分都是介词，由此我们也可以分析莎士比亚的写作风格
|
【本文地址】
今日新闻 |
推荐新闻 |