从xlsx文件里读取一列评论，通过jieba库分词，一个字的不要，统计结果

以下是一个Python程序，可以读取xlsx文件中的某一列评论，使用jieba库进行分词，过滤掉一个字的词语，并统计词频：

import openpyxl
import jieba

# 打开xlsx文件
wb = openpyxl.load_workbook('comments.xlsx')
# 选择第一个工作表
ws = wb.worksheets[0]

# 读取第一列评论
comments = [cell.value for cell in ws['A']]

# 分词并统计词频
word_count = {}
for comment in comments:
    words = jieba.cut(comment)
    for word in words:
        if len(word) > 1:
            word_count[word] = word_count.get(word, 0) + 1

# 输出词频统计结果
for word, count in word_count.items():
    print(word, count)

这个程序首先使用openpyxl库读取xlsx文件中的第一列评论，然后使用jieba库进行分词。在分词的过程中，我们过滤掉了长度为1的词语。最后，我们使用一个字典来统计每个词语出现的次数，并输出结果。

相关问题

从xlsx文件里读取一列评论，通过jieba库分词，一个字的不要，统计结果，按从大到小输出

以下是一个Python代码示例，实现了从xlsx文件中读取一列评论，使用jieba库进行分词，并统计分词结果，最终按照词频从大到小进行输出。

import jieba
import openpyxl
from collections import Counter

# 打开xlsx文件
wb = openpyxl.load_workbook('comments.xlsx')
ws = wb.active

# 读取评论列，并进行分词
comments = []
for cell in ws['A']:
    if isinstance(cell.value, str):
        seg_list = jieba.cut(cell.value)
        for seg in seg_list:
            if len(seg) > 1:
                comments.append(seg)

# 统计分词结果，按照词频从大到小排序
counter = Counter(comments)
result = counter.most_common()

# 输出结果
for word, freq in result:
    print(f'{word}: {freq}')

在上述代码中，首先使用openpyxl库打开xlsx文件，并读取评论列。然后使用jieba库对每个评论进行分词，并将分词结果添加到comments列表中。接着使用collections库中的Counter类对comments列表进行统计，得到每个词出现的频率，最终使用most_common()方法按照词频从大到小排序。最后，使用for循环输出结果。

python+excel+jieba分析一个具有多个列的文件，读取.xlsx文件，可以选择对文件内任意一列或多列的单元格内字符串相似度，并且输出相似度多少，对相似度大于0.75的新增一列进行标记，并输出成一个新的文件，用面向对象的方法来写

好的，我来根据你的要求给你提供一个面向对象的解决方案。

首先，我们需要安装两个库：`openpyxl`和`jieba`，你可以使用以下命令安装：

pip install openpyxl jieba

然后，我们需要创建一个`ExcelAnalyzer`类来处理Excel文件：

import openpyxl
import jieba

class ExcelAnalyzer:
    def __init__(self, filename):
        self.filename = filename
        self.wb = openpyxl.load_workbook(filename)
        self.sheets = self.wb.sheetnames
        self.results = []

    def analyze(self, sheet_name, col_names, threshold):
        sheet = self.wb[sheet_name]
        rows = sheet.iter_rows(min_row=2, values_only=True)
        for row in rows:
            values = []
            for col_name in col_names:
                cell = sheet[col_name + str(row[0])]
                values.append(cell.value)
            sim = self._calculate_sim(*values)
            if sim >= threshold:
                self.results.append((sheet_name, row[0], sim))
        return self.results

    def _calculate_sim(self, *values):
        words = [jieba.lcut(str(value)) for value in values]
        all_words = set([word for words in words for word in words])
        vecs = []
        for word in all_words:
            vec = []
            for words in words:
                vec.append(words.count(word))
            vecs.append(vec)
        sim = self._cosine_similarity(vecs[0], vecs[1])
        return sim

    def _cosine_similarity(self, vec1, vec2):
        numerator = sum([vec1[i] * vec2[i] for i in range(len(vec1))])
        denominator = self._magnitude(vec1) * self._magnitude(vec2)
        if denominator == 0:
            return 0
        else:
            return numerator / denominator

    def _magnitude(self, vec):
        return (sum([x**2 for x in vec]))**0.5

    def mark_similar(self, threshold, output_filename):
        for sheet_name, row_num, sim in self.results:
            sheet = self.wb[sheet_name]
            cell = sheet.cell(row=row_num, column=len(col_names)+1)
            if sim >= threshold:
                cell.value = "similar"
        self.wb.save(output_filename)

这个类有四个方法：

- `__init__`方法用于初始化Excel文件的基本信息。
- `analyze`方法用于分析指定表单的多个列，计算相似度，并返回大于阈值的结果。
- `_calculate_sim`方法用于计算两个字符串列表的相似度。
- `mark_similar`方法用于对大于阈值的结果进行标记，并输出到新的Excel文件中。

我们使用了`jieba`库来对文本进行分词，使用了余弦相似度来计算相似度。

接下来，我们可以使用这个类来分析Excel文件并输出结果：

analyzer = ExcelAnalyzer("input.xlsx")
results = analyzer.analyze("Sheet1", ["A", "B"], 0.75)
print(results)
analyzer.mark_similar(0.75, "output.xlsx")

这个代码会输出大于阈值的结果，并把大于阈值的结果在原始Excel文件中标记出来，并输出到`output.xlsx`文件中。

希望这个代码对你有所帮助！