python jieba分詞并統(tǒng)計詞頻后輸出結果到Excel和txt文檔方法
前兩天,班上同學寫論文,需要將很多篇論文題目按照中文的習慣分詞并統(tǒng)計每個詞出現(xiàn)的頻率。
讓我?guī)退龑崿F(xiàn)這個功能,我在網(wǎng)上查了之后發(fā)現(xiàn)jieba這個庫還挺不錯的。
運行環(huán)境:
- 安裝python2.7.13:https://www.python.org/downloads/release/python-2713/
- 安裝jieba:pip install jieba
- 安裝xlwt:pip install xlwt
具體代碼如下:
#!/usr/bin/python # -*- coding:utf-8 -*- import sys reload(sys) sys.setdefaultencoding('utf-8') import jieba import jieba.analyse import xlwt #寫入Excel表的庫 if __name__=="__main__": wbk = xlwt.Workbook(encoding = 'ascii') sheet = wbk.add_sheet("wordCount")#Excel單元格名字 word_lst = [] key_list=[] for line in open('1.txt'):#1.txt是需要分詞統(tǒng)計的文檔 item = line.strip('\n\r').split('\t') #制表格切分 # print item tags = jieba.analyse.extract_tags(item[0]) #jieba分詞 for t in tags: word_lst.append(t) word_dict= {} with open("wordCount.txt",'w') as wf2: #打開文件 for item in word_lst: if item not in word_dict: #統(tǒng)計數(shù)量 word_dict[item] = 1 else: word_dict[item] += 1 orderList=list(word_dict.values()) orderList.sort(reverse=True) # print orderList for i in range(len(orderList)): for key in word_dict: if word_dict[key]==orderList[i]: wf2.write(key+' '+str(word_dict[key])+'\n') #寫入txt文檔 key_list.append(key) word_dict[key]=0 for i in range(len(key_list)): sheet.write(i, 1, label = orderList[i]) sheet.write(i, 0, label = key_list[i]) wbk.save('wordCount.xls') #保存為 wordCount.xls文件
1.txt是你需要分詞統(tǒng)計的文本內(nèi)容,最后會生成wordCount.txt和wordCount.xls兩個文件。下圖是最后結果
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。
相關文章
Python標準庫:內(nèi)置函數(shù)max(iterable, *[, key, default])說明
這篇文章主要介紹了Python標準庫:內(nèi)置函數(shù)max(iterable, *[, key, default])說明,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04Pytorch通過保存為ONNX模型轉TensorRT5的實現(xiàn)
這篇文章主要介紹了Pytorch通過保存為ONNX模型轉TensorRT5的實現(xiàn),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05使用Python的Twisted框架編寫簡單的網(wǎng)絡客戶端
這篇文章主要介紹了使用Python的Twisted框架編寫簡單的網(wǎng)絡客戶端,翻譯自Twisted文檔,包括一個簡單的IRC客戶端的實現(xiàn),需要的朋友可以參考下2015-04-04如何基于Python pygame實現(xiàn)動畫跑馬燈
這篇文章主要介紹了如何基于Python pygame實現(xiàn)動畫跑馬燈,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,需要的朋友可以參考下2020-11-11