A. 求看python 統計中文詞頻的代碼，有一個地方不懂 求大神

首先要說復明一個概念：gbk編碼里一個中制文字元的『長度』是2。

str='中國'#gbk編碼

要取得'中'這個字元，需要用分片str[0:2],而不是索引str[0]。

以z4為例，下面這些代碼的效果是這樣的。
x='同舟共濟與時俱進艱苦奮斗'
i+=z4.findall(x)#返回['同舟共濟'，'與時俱進','艱苦奮斗']
i+=z4.findall(x[2:])#返回['舟共濟與','時俱進艱']
i+=z4.findall(x[4:])#返回['共濟與時','俱進艱苦']
i+=z4.findall(x[6:])#返回['濟與時俱','進艱苦奮']

目的是取得所有連續4字中文字元串。

B. python里如何快速統計 詞頻 現在有個文件 data.txt 裡面有1萬多行 每行都

1. N^2時間復雜度是怎麼算出來的？N指什麼？
2. 對於多位數，比如 76，我們把它當做兩個數字 7 和 6 這樣來統計詞頻？

C. python詞頻分析關鍵詞頻數與word檢索的結果不一致

測下下面的代碼看顯示多少
words = jieba.lcut(txt)
#把你後面的代碼全部暫時注釋
from collections import Counter
ct = Counter(words)
print(ct['發展'])

D. Python詞頻統計問題

#下載一文到words.txt，內容為（stumldsmlstustueezkzwxjZkzWxj）

File="words.txt"
number_list=[]
withopen(File)asf:
forlineinf:
number_list.extend(str(i)foriinline.split())
foriteminset(number_list):
L=[item,number_list.index(item),number_list.count(item)]
print(L)#單詞首次出現的位置詞頻
withopen('Q1.txt','a')asF:
F.writelines(str(L))

E. python 字典中的詞頻統計之後 如何將頻數大於一個數字的詞的數量統計出來

v={}
for i in dic:
if dic[i]>14:
#print(i,dic[i])
v[i]=dic[i]
print(len(v))

F. python問題，我運用python做中文詞頻分析的時候總是顯示UnicodeDecodeError: 'utf-8'問題

出現原因：文件不是 UTF8 編碼的，而系統默認採用 UTF8 解碼。
解決方法是改為對應的解碼方式。
解決辦法：
「文件–》另存為」，可以看到文件的默認編碼格式為ANSI，改為編碼格式UTF8，保存

G. 如何用python對文章中文分詞並統計詞頻

1、全局變數在函數中使用時需要加入global聲明
2、獲取網頁內容存入文件時的編碼為ascii進行正則匹配時需要decode為GB2312，當匹配到的中文寫入文件時需要encode成GB2312寫入文件。
3、中文字元匹配過濾正則表達式為ur'[\u4e00-\u9fa5]+',使用findall找到所有的中文字元存入分組
4、KEY，Value值可以使用dict存儲，排序後可以使用list存儲
5、字元串處理使用split分割，然後使用index截取字元串，判斷哪些是名詞和動詞
6、命令行使用需要導入os,os.system(cmd)

H. Python 分詞後詞頻統計


out_one=re.compile(r'(.*?)00',re.S)

out_one_re=re.findall(self.out_one,i)


a={}
forjinout_one_re:
a[j]=out_one_re.count(j)


使用字典屬性，內容唯一來進行統計。出來的包括內容和次數。

I. 如何用python和jieba分詞，統計詞頻

#!python3
#-*-coding:utf-8-*-
importos,codecs
importjieba
fromcollectionsimportCounter

defget_words(txt):
seg_list=jieba.cut(txt)
c=Counter()
forxinseg_list:
iflen(x)>1andx!='
':
c[x]+=1
print('常用詞頻度統計版結果權')
for(k,v)inc.most_common(100):
print('%s%s%s%d'%(''*(5-len(k)),k,'*'*int(v/3),v))

if__name__=='__main__':
withcodecs.open('19d.txt','r','utf8')asf:
txt=f.read()
get_words(txt)

J. 用Python統計詞頻

def statistics(astr):
# astr.replace("\n", "")
slist = list(astr.split("\t"))
alist = []
[alist.append(i) for i in slist if i not in alist]
alist[-1] = alist[-1].replace("\n", "")
return alist

if __name__ == "__main__":
code_doc = {}
with open("test_data.txt", "r", encoding='utf-8') as fs:
for ln in fs.readlines():
l = statistics(ln)
for t in l:
if t not in code_doc:
code_doc.setdefault(t, 1)
else:
code_doc[t] += 1

for keys in code_doc.keys():
print(keys + ' ' + str(code_doc[keys]))