本文实例讲述了Python实现快速计算词频功能。分享给大家供大家参考,具体如下:
这几天看到一位同事的代码,方法如下:
def cut_word(身体): temp_dict={} 如果身体不是没有: temp=jieba.cut(身体) t在临时: temp_dict [t]=1 其他: 通过 返回temp_dict >之前这个函数的功能,是输入一段字符串,比如:“今天天气很不错”,输出一个字典,主要为使用结巴的切方法之后切分的词,值为1,如:{“很”:1、“今天天气”:1、“不”错:1}
。然后我看到同事的另一个方法:
def union_dict (x, y): _keys=集(和([obj.keys obj的()[x, y]], [])) _total={} 在_keys _key: _total [_key]=总和([obj.get (obj _key,0)在(x, y))) 返回_total >之前是这样调用的:
final_dict=减少(union_dict,结果) >之前结果是这样产生的:
结果=df(身体的)苹果(cut_word) >之前也就是把df的身体列每一行进行<代码> cut_word 代码>函数操作(即将字符串转换成一个字典)。
结果的类型是系列中,随后对结果用减少函数进行union_dict操作。
union_dict的作用是,输入两个字典,比如,对关键相同的进行求值和,也就是输出会变成。
所以这一系列的操作其实是为了计算一大堆文字的词频数,但同事使用的是对每一行分别进行拆分,生成字典,随后
对字典进行合并,其实有些麻烦。
再学习自然语言处理的时候,我了解到有一个方法,可以直接计算词频,用在此处正好。
# - * -编码:utf - 8 - * 进口nltk 进口jieba str='今天天气很不错。今天天气很差的 一个=列表(jieba.cut (str)) cfd=nltk.FreqDist (a) >之前结果直接是一个带有频数的字典:
由于同事的函数<代码> cut_word> 代码对每个词只计一次频数,所以不能直接拼接字符串后调用<代码> FreqDist 代码>函数,需要对每个<代码> 代码>出切来的列表去重,随后再拼接为大字符串调用<代码> FreqDist> 代码,这也比之前写这两个函数简单许多。
对于普通的计算频数的需求来说,这个函数能直接解决,十分方便。
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》,《Python数据结构与算法教程》、《Python函数使用技巧总结》,《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
Python实现快速计算词频功能示例