A. 求看python 统计中文词频的代码，有一个地方不懂 求大神

首先要说复明一个概念：gbk编码里一个中制文字符的‘长度’是2。

str='中国'#gbk编码

要取得'中'这个字符，需要用分片str[0:2],而不是索引str[0]。

以z4为例，下面这些代码的效果是这样的。
x='同舟共济与时俱进艰苦奋斗'
i+=z4.findall(x)#返回['同舟共济'，'与时俱进','艰苦奋斗']
i+=z4.findall(x[2:])#返回['舟共济与','时俱进艰']
i+=z4.findall(x[4:])#返回['共济与时','俱进艰苦']
i+=z4.findall(x[6:])#返回['济与时俱','进艰苦奋']

目的是取得所有连续4字中文字符串。

B. python里如何快速统计 词频 现在有个文件 data.txt 里面有1万多行 每行都

1. N^2时间复杂度是怎么算出来的？N指什么？
2. 对于多位数，比如 76，我们把它当做两个数字 7 和 6 这样来统计词频？

C. python词频分析关键词频数与word检索的结果不一致

测下下面的代码看显示多少
words = jieba.lcut(txt)
#把你后面的代码全部暂时注释
from collections import Counter
ct = Counter(words)
print(ct['发展'])

D. Python词频统计问题

#下载一文到words.txt，内容为（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)#单词首次出现的位置词频
withopen('Q1.txt','a')asF:
F.writelines(str(L))

E. python 字典中的词频统计之后 如何将频数大于一个数字的词的数量统计出来

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

F. python问题，我运用python做中文词频分析的时候总是显示UnicodeDecodeError: 'utf-8'问题

出现原因：文件不是 UTF8 编码的，而系统默认采用 UTF8 解码。
解决方法是改为对应的解码方式。
解决办法：
“文件–》另存为”，可以看到文件的默认编码格式为ANSI，改为编码格式UTF8，保存

G. 如何用python对文章中文分词并统计词频

1、全局变量在函数中使用时需要加入global声明
2、获取网页内容存入文件时的编码为ascii进行正则匹配时需要decode为GB2312，当匹配到的中文写入文件时需要encode成GB2312写入文件。
3、中文字符匹配过滤正则表达式为ur'[\u4e00-\u9fa5]+',使用findall找到所有的中文字符存入分组
4、KEY，Value值可以使用dict存储，排序后可以使用list存储
5、字符串处理使用split分割，然后使用index截取字符串，判断哪些是名词和动词
6、命令行使用需要导入os,os.system(cmd)

H. Python 分词后词频统计


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)


使用字典属性，内容唯一来进行统计。出来的包括内容和次数。

I. 如何用python和jieba分词，统计词频

#!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('常用词频度统计版结果权')
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统计词频

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]))