Question

我想阅读一个文件并找到最常用的词。以下是代码。我假设读文件我犯了一些错误。任何建议将不胜感激。

txt_file = open('result.txt', 'r')

for line in txt_file:
    for word in line.strip().split():
        word = word.strip(punctuation).lower()

    all_words = nltk.FreqDist(word for word in word.words())
    top_words = set(all_words.keys()[:300])
    print top_words

输入result.txt文件

Musik to shiyuki miyama opa samba japan obi Musik Musik Musik 
Antiques    antique 1900 s sewing pattern pictorial review size Musik 36 bust 1910 s ladies waist bust

Answer 1

我不确定你的错误是什么，也不知道如何使用NLTK，但是你通过循环的方法，然后单词可以适应使用一个简单的python字典来跟踪计数：

txt_file = open("filename", "r")
txt_file.readLines()

wordFreq = {}
for line in txt_file:
    for word in line.strip().split():
        word = word.strip(punctuation).lower()
        # If word is already in dict, increase count
        if word in wordFreq:
            wordFreq[word] += 1
        else:    #Otherwise, add word to dict and initialize count to 1
            wordFreq[word] = 1

要查询结果，只需将dict中感兴趣的单词作为键提供，即wordFreq['Musik']。

Answer 2

from collections import Counter
txt_file = open('result.txt', 'r')
words = [word for line in txt_file for word in line.strip().split()]
print Counter(words).most_common(1)

而不是1中的most_common，您可以提供任意数字，并且会显示大量最常用的数据。例如

print Counter(words).most_common(1)

结果

[('Musik', 5)]

其中

print Counter(words).most_common(5)

给出

[('Musik', 5), ('bust', 2), ('s', 2), ('antique', 1), ('ladies', 1)]

该数字实际上是一个可选参数，如果省略，它将按降序给出所有单词的频率。

Python查找最常用的代码

2 个答案: