用python代码实现对一个中文文档的词频统计，即统计每个词出现的次数，并实现次数的由大到小排序

以下是Python代码实现中文文档的词频统计和排序的方法：

import jieba
from collections import Counter

# 读取中文文档
with open('chinese_document.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 分词
words = list(jieba.cut(text))

# 统计词频
word_count = Counter(words)

# 次数由大到小排序
sorted_word_count = sorted(word_count.items(), key=lambda x: x[1], reverse=True)

# 输出结果
for word, count in sorted_word_count:
    print(word, count)

其中，`jieba` 库用于中文分词，`Counter` 类用于统计词频，`sorted` 函数用于排序。在运行代码之前，需要先安装 `jieba` 库。

相关问题

用python代码实现对去停用词的文档进行词频统计，即统计每个词出现的次数，并实现次数的由大到小排序

可以使用Python中的nltk库来进行去停用词和词频统计。以下是一个简单的示例代码：

import nltk
from nltk.corpus import stopwords
from collections import Counter

# 读取文本并分词
with open('example.txt', 'r') as f:
    text = f.read()

tokens = nltk.word_tokenize(text)

# 去停用词
stop_words = set(stopwords.words('english'))
filtered_tokens = [word for word in tokens if word.lower() not in stop_words]

# 统计词频
word_count = Counter(filtered_tokens)

# 按词频由大到小排序
sorted_word_count = sorted(word_count.items(), key=lambda x: x[1], reverse=True)

# 输出结果
for word, count in sorted_word_count:
    print(word, count)

其中，`example.txt`是要进行词频统计的文本文件。首先通过`nltk.word_tokenize()`函数进行分词，然后使用NLTK库中提供的英文停用词集合去除停用词。接着使用Python的`collections.Counter()`函数统计词频，最后使用Python的`sorted()`函数按词频由大到小排序。

用python代码实现对去停用词的文档进行词频统计，即统计每个词出现的次数。

可以使用 Python 中的 nltk 库来实现去停用词的文档进行词频统计。以下是示例代码：

import nltk
from nltk.corpus import stopwords
from collections import Counter

# 读入文本文件
with open('example.txt', 'r', encoding='utf-8') as f:
    text = f.read().lower()  # 转成小写

# 分词
words = nltk.word_tokenize(text)

# 去停用词
stop_words = set(stopwords.words('english'))  # 英文停用词表
filtered_words = [w for w in words if not w in stop_words]

# 统计词频
word_freq = Counter(filtered_words)

# 输出结果
print(word_freq.most_common(10))  # 显示出现频率最高的前10个词

其中，example.txt 是要进行词频统计的文本文件，可以替换成你自己的文本文件名。输出的结果是出现频率最高的前10个词及其出现次数，可根据需要进行调整。