python词频统计之哈姆雷特
时间: 2023-07-03 15:31:29 浏览: 239
好的,以下是一个简单的Python程序,用于统计哈姆雷特中的词频。
```python
import string
from collections import Counter
# 读取文本文件
with open('hamlet.txt', 'r', encoding='utf-8') as f:
text = f.read()
# 去除标点符号和停用词
stopwords = ['the', 'and', 'to', 'of', 'that', 'in', 'you', 'my', 'is', 'it', 'not', 'with', 'this', 'but', 'for', 'your', 'be', 'as', 'have', 'him', 'so', 'will', 'on', 'me']
text = text.translate(str.maketrans('', '', string.punctuation))
text = ' '.join([word.lower() for word in text.split() if word.lower() not in stopwords])
# 统计词频
word_counts = Counter(text.split())
# 输出结果
print(word_counts.most_common(10))
```
这个程序首先使用`with open()`函数打开文件`hamlet.txt`,然后读取整个文本。接着,我们使用`translate()`函数去除标点符号,使用列表推导式去除停用词,并将所有单词转换为小写形式。最后,我们使用`Counter()`函数统计每个单词的出现次数,并使用`most_common()`方法输出出现次数最多的前10个单词。
请注意,这只是一个简单的例子,实际上,我们可以使用更复杂的技术来进行词频统计,例如NLTK和spaCy等自然语言处理工具。
阅读全文