Python英文词频统计（哈姆雷特）程序示例

今天继续给大家介绍Python相关知识，本文主要内容是Python英文词频统计程序示例，主要是对英文文本——《哈姆雷特》进行分词。

一、英文文本词频统计思路

想要对《哈姆雷特》进行英文单词词频统计，那么我们首先需要拿到《哈姆雷特》的原文，将之存储为本地的txt文档，然后使用Python打开该文件，读取里面的信息。
在读取《哈姆雷特》内容后，我们首先需要将文件内容进行预处理，比如删除文件中的特殊符号，以及对文件内容进行全部小写的归一化操作等等。除此之外，我们还需要删除文档中所有的标点符号。之后，我们可以将文档使用split()函数，根据空格进行分隔，形成一个列表。
之后，我们逐个取出列表中的元素，然后统计列表中单词的个数。为了进行词频统计，我们需要创建一个字典变量，以单词为键，以统计出的单词个数为值，在遍历列表时不断更新该字典，就可以最终得到一个含有所有《哈姆雷特》内容单词词频的字典了。
最后，我们按照该字典转化为一个新的列表，就可以对值的大小对该字典进行排序，得到《哈姆雷特》词频从大到小的顺序了。

二、英文文本词频统计程序编写

根据上述思路，我们可以来编写英文文本词频统计程序了。
打开文件及读取文件内容程序代码如下所示：

f=open("C:\\Users\\Administrator\\Desktop\\哈姆雷特原文.txt","rt",encoding="utf-8")
Hamlet=f.read()
f.close()

对文件内容进行预处理代码如下所示：

Hamlet=Hamlet.lower()
for char in "!@#$%^&*()_+~`,./;'[]\<>?:\"{}|":
    Hamlet=Hamlet.replace(char,"")

对文件单词进行统计代码如下所示：

counts=dict()
for word in words:
    counts[word]=counts.get(word,0)+1

对字典生成新的列表，并进行排序，代码如下所示：

sequence=list(counts.items())
sequence.sort(key=lambda x:x[1],reverse=True)

筛选出单词出现频率最高的10个单词，并进行输出，代码如下所示：

for i in range(10):
    word,count=sequence[i]
    print("单词{}在Hamlet中出现次数为第{}，出现了{}次".format(word,i+1,count))

最终代码如下所示：

f=open("C:\\Users\\Administrator\\Desktop\\哈姆雷特原文.txt","rt",encoding="utf-8")
Hamlet=f.read()
f.close()
Hamlet=Hamlet.lower()
for char in "!@#$%^&*()_+~`,./;'[]\<>?:\"{}|":
    Hamlet=Hamlet.replace(char,"")
words=Hamlet.split()
counts=dict()
for word in words:
    counts[word]=counts.get(word,0)+1
sequence=list(counts.items())
sequence.sort(key=lambda x:x[1],reverse=True)
for i in range(10):
    word,count=sequence[i]
    print("单词{}在Hamlet中出现次数为第{}，出现了{}次".format(word,i+1,count))

三、程序执行结果展示

运行上述程序，我们最终得到结果如下所示：

从上图可以看出，我们成功统计出了在《哈姆雷特》中出现次数最多的10个单词。
原创不易，转载请说明出处：https://blog.csdn.net/weixin_40228200