怎么分词后的csv文件 读取并进行词频统计
时间: 2023-07-31 17:09:33 浏览: 157
好的,下面我来给你讲一下如何读取分词后的CSV文件并进行词频统计。
假设我们已经将文本进行了分词,并将结果保存到了CSV文件中。CSV文件的每一行代表一个文本,每个单元格代表一个分词结果。例如,下面是一个包含两个文本的CSV文件:
```
text1,This,is,a,sample,text,for,tokenization
text2,It,contains,multiple,sentences,and,punctuation.
```
接下来,我们可以使用Python中的csv模块来读取CSV文件,并对每个文本进行分词和词频统计。以下是读取CSV文件并进行词频统计的示例代码:
```python
import csv
from collections import Counter
import nltk
with open('example.csv', newline='') as csvfile:
reader = csv.reader(csvfile)
for row in reader:
# 将每行文本进行分词
tokens = nltk.word_tokenize(row[1])
# 统计词频
word_counts = Counter(tokens)
# 打印出现频率最高的前10个词
top_10 = word_counts.most_common(10)
print(top_10)
```
运行以上代码后,会输出每个文本中出现频率最高的前10个词,结果类似下面这样:
```
[('for', 1), ('This', 1), ('is', 1), ('a', 1), ('sample', 1), ('text', 1), ('tokenization', 1)]
[('It', 1), ('contains', 1), ('multiple', 1), ('sentences', 1), ('and', 1), ('punctuation', 1), ('.', 1)]
```
以上代码中,我们使用csv模块读取CSV文件,并对每个文本进行分词和词频统计,然后打印出现频率最高的前10个词。
希望这个例子可以帮助你理解如何读取分词后的CSV文件并进行词频统计。
阅读全文