盤點(diǎn)一個(gè)英文文本中統(tǒng)計(jì)關(guān)鍵詞的方法

回復(fù)“資源”即可獲贈(zèng)Python學(xué)習(xí)資料

大家好，我是皮皮。

一、前言

前幾天在Python最強(qiáng)王者交流群【W(wǎng)endy  Zheng】問(wèn)了一個(gè)英文文本中統(tǒng)計(jì)關(guān)鍵詞的問(wèn)題，這里拿出來(lái)給大家分享下。

二、實(shí)現(xiàn)過(guò)程

針對(duì)這個(gè)問(wèn)題，本文給出一個(gè)思路方法，也許有幫助，首先我們需要將Excel中的文本進(jìn)行導(dǎo)入到一個(gè)文本文件中去，代碼如下：

# coding: utf-8
import pandas as pd
df = pd.read_excel('./文本.xlsx')
# print(df.head())
# df['專業(yè)關(guān)鍵詞']
for text in df['工作要求']:
    # print(text)
    if text is not None:
        with open('工作要求.txt', mode='a', encoding='utf-8') as file:
            file.write(str(text))

print('寫入完成')

接下來(lái)就可以針對(duì)這個(gè)文本文件進(jìn)行相關(guān)的詞頻統(tǒng)計(jì)了，如果你有自己自定義的關(guān)鍵詞，也可以就著關(guān)鍵詞去統(tǒng)計(jì)，沒(méi)有的話，就自己在關(guān)鍵詞范圍內(nèi)，任意取多少個(gè)關(guān)鍵詞都可以，相關(guān)的代碼如下所示：

from collections import Counter
import pandas as pd
df = pd.read_excel('./文本.xlsx')
# print(df.head())

words = []

with open('工作要求.txt', 'r', encoding='utf-8') as f:
    line = f.readlines()
    for word in line[0].split(' '):
        words.append(word)

print(len(words))

counter = Counter(words)
# print(counter)

# df['專業(yè)關(guān)鍵詞']
for text in df['專業(yè)關(guān)鍵詞']:
    for k, v in counter.items():
        if k == text:
            print(k, v)

這個(gè)代碼對(duì)于英文文本還是適用的，不過(guò)有個(gè)小問(wèn)題，如下。

最后這里也給出中文分詞的代碼和可視化代碼，兩者結(jié)合在一起的，感興趣的小伙伴們可以試試看。

from collections import Counter # 統(tǒng)計(jì)詞頻
from pyecharts.charts import Bar
from pyecharts import options as opts
from snownlp import SnowNLP
import jieba   # 分詞
with open('text_分詞后_outputs.txt', 'r',encoding='utf-8') as f:
    read = f.read()
with open('stop_word.txt', 'r', encoding='utf-8') as f:
    stop_word = f.read()
word = jieba.cut(read)
words = []
for i in list(word):
    if i not in stop_word:
        words.append(i)

columns = []
data = []
for k, v in dict(Counter(words).most_common(10)).items():

    columns.append(k)
    data.append(v)
bar = (
        Bar()
        .add_xaxis(columns)
        .add_yaxis("詞頻", data)
        .set_global_opts(title_opts=opts.TitleOpts(title="詞頻top10"))
    )
bar.render("詞頻.html")

三、總結(jié)

大家好，我是皮皮。這篇文章主要盤點(diǎn)了一個(gè)英文文本中統(tǒng)計(jì)關(guān)鍵詞方法處理的問(wèn)題，文中針對(duì)該問(wèn)題，給出了具體的解析和代碼實(shí)現(xiàn)，幫助粉絲順利解決了問(wèn)題。

最后感謝粉絲【W(wǎng)endy  Zheng】提問(wèn)，感謝【Python進(jìn)階者】給出的思路和代碼解析，感謝【Python狗】等人參與學(xué)習(xí)交流。

大家在學(xué)習(xí)過(guò)程中如果有遇到問(wèn)題，歡迎隨時(shí)聯(lián)系我解決（我的微信：pdcfighting），應(yīng)粉絲要求，我創(chuàng)建了一些高質(zhì)量的Python付費(fèi)學(xué)習(xí)交流群和付費(fèi)接單群，歡迎大家加入我的Python學(xué)習(xí)交流群和接單群！