Question

我正在尝试使用python计算文本文件中的单词频率。

我使用以下代码：

openfile=open("total data", "r")

linecount=0
for line in openfile:
    if line.strip():
        linecount+=1

count={}

while linecount>0:
    line=openfile.readline().split()
    for word in line:
        if word in count:
            count[word]+=1
        else:
            count[word]=1
    linecount-=1

print count

但我得到一本空字典。 “print count”给出{}作为输出

我也尝试过使用：

from collections import defaultdict
.
.
count=defaultdict(int)
.
.
     if word in count:
          count[word]=count.get(word,0)+1

但我又得到了一本空字典。我不明白我做错了什么。有人可以指出吗？

Answer 1

此循环for line in openfile:将文件指针移动到文件末尾。因此，如果您想再次读取数据，请将指针（openfile.seek(0)）移动到文件的开头或重新打开文件。

要更好地使用Collections.Counter

来获得单词频率

from collections import Counter
with open("total data", "r") as openfile:
   c = Counter()
   for line in openfile:
      words = line.split()
      c.update(words)

Answer 2

初始化openfile.seek(0)后立即添加count。那会把读指针放到文件的开头

Answer 3

这是计算文件中单词频率的一种更直接的方法：

from collections import Counter

def count_words_in_file(file_path):
    with open(file_path) as f:
        return Counter(f.read().split())

示例：

>>> count_words_in_file('C:/Python27/README.txt').most_common(10)
[('the', 395), ('to', 202), ('and', 129), ('is', 120), ('you', 111), ('a', 107), ('of', 102), ('in', 90), ('for', 84), ('Python', 69)]

python中的单词频率不起作用

3 个答案: