python得到excel表中的标题中前十权重的关键词不需要停用词表

时间: 2024-03-03 09:52:53 浏览: 19
如果你不需要使用停用词表,你可以按照以下步骤实现: 1.使用Python中的pandas库读取Excel表格中的数据,可以使用`pd.read_excel()`函数。 2.将每个单元格的标题内容进行分词处理,可以使用jieba库。 3.统计每个词汇在所有单元格中的出现次数,并计算每个词汇的权重。 4.按照词汇的权重进行排序,并取出前十个关键词。 以下是一份示例代码,你可以根据自己的需求进行修改和优化: ```python import pandas as pd import jieba from collections import Counter # 读取Excel表格中的数据 df = pd.read_excel('example.xlsx') # 分词处理 words = [] for col in df.columns: seg_list = jieba.cut(col) for word in seg_list: if len(word) > 1: words.append(word) # 统计词频和计算权重 word_freq = Counter(words) total_words = sum(word_freq.values()) word_weight = {word: freq / total_words for word, freq in word_freq.items()} # 按照权重进行排序并取出前十个关键词 top_words = sorted(word_weight.items(), key=lambda x: x[1], reverse=True)[:10] # 输出结果 for word, weight in top_words: print(word, weight) ``` 其中,`example.xlsx`是你要处理的Excel表格文件,你需要根据实际情况修改文件的路径。

相关推荐

import jieba import math import re from collections import Counter # 读入两个txt文件存入s1,s2字符串中 s1 = open('1.txt', 'r').read() s2 = open('2.txt', 'r').read() # 利用jieba分词与停用词表,将词分好并保存到向量中 stopwords = [] fstop = open('stopwords.txt', 'r', encoding='utf-8') for eachWord in fstop: eachWord = re.sub("\n", "", eachWord) stopwords.append(eachWord) fstop.close() s1_cut = [i for i in jieba.cut(s1, cut_all=True) if (i not in stopwords) and i != ''] s2_cut = [i for i in jieba.cut(s2, cut_all=True) if (i not in stopwords) and i != ''] # 使用TF-IDF算法调整词频向量中每个词的权重 def get_tf_idf(word, cut_list, cut_code_list, doc_num): tf = cut_list.count(word) df = sum(1 for cut_code in cut_code_list if word in cut_code) idf = math.log(doc_num / df) return tf * idf word_set = list(set(s1_cut).union(set(s2_cut))) doc_num = 2 # 计算TF-IDF值并保存到向量中 s1_cut_tfidf = [get_tf_idf(word, s1_cut, [s1_cut, s2_cut], doc_num) for word in word_set] s2_cut_tfidf = [get_tf_idf(word, s2_cut, [s1_cut, s2_cut], doc_num) for word in word_set] # 获取TF-IDF值最高的前k个词 k = 10 s1_cut_topk = [word_set[i] for i in sorted(range(len(s1_cut_tfidf)), key=lambda x: s1_cut_tfidf[x], reverse=True)[:k]] s2_cut_topk = [word_set[i] for i in sorted(range(len(s2_cut_tfidf)), key=lambda x: s2_cut_tfidf[x], reverse=True)[:k]] # 使用前k个高频词的词频向量计算余弦相似度 s1_cut_code = [s1_cut.count(word) for word in s1_cut_topk] s2_cut_code = [s2_cut.count(word) for word in s2_cut_topk] sum = 0 sq1 = 0 sq2 = 0 for i in range(len(s1_cut_code)): sum += s1_cut_code[i] * s2_cut_code[i] sq1 += pow(s1_cut_code[i], 2) sq2 += pow(s2_cut_code[i], 2) try: result = round(float(sum) / (math.sqrt(sq1) * math.sqrt(sq2)), 3) except ZeroDivisionError: result = 0.0 print("\n余弦相似度为:%f" % result)

最新推荐

recommend-type

ASP.NET技术在网站开发设计中的研究与开发(论文+源代码+开题报告)【ASP】.zip

ASP.NET技术在网站开发设计中的研究与开发(论文+源代码+开题报告)【ASP】
recommend-type

CycleGan和Pix2Pix是两个在图像到图像转换领域常用的深度学习模型

Cycle GAN和Pix2Pix都是强大的图像到图像的转换模型,但它们在应用场景、技术特点和训练数据要求等方面有所不同。Cycle GAN无需成对数据即可进行训练,适用于更广泛的图像转换任务;而Pix2Pix则依赖于成对数据进行训练,在处理具有明确对应关系的图像对时表现较好。在实际应用中,应根据具体任务和数据集的特点选择合适的模型。Cycle GAN广泛应用于各种图像到图像的转换任务,如风格迁移、季节变换、对象变形等。 由于其不需要成对数据的特性,Cycle GAN能够处理更广泛的图像数据集,并产生更多样化的结果。Pix2Pix是一个基于条件生成对抗网络(Conditional Generative Adversarial Networks, cGANs)的图像到图像的转换模型。它利用成对数据(即一一对应的图像对)进行训练,以学习从输入图像到输出图像的映射。Pix2Pix的生成器通常采用U-Net结构,而判别器则使用PatchGAN结构。
recommend-type

tensorflow-gpu-2.9.1-cp39-cp39-win-amd64.whl

tensorflow安装
recommend-type

Webmanage-Username.txt

Webmanage-Username
recommend-type

愤怒的小鸟2_3.22.0_彭于晏Crack.ipa

愤怒的小鸟2_3.22.0_彭于晏Crack
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB结构体与对象编程:构建面向对象的应用程序,提升代码可维护性和可扩展性

![MATLAB结构体与对象编程:构建面向对象的应用程序,提升代码可维护性和可扩展性](https://picx.zhimg.com/80/v2-8132d9acfebe1c248865e24dc5445720_1440w.webp?source=1def8aca) # 1. MATLAB结构体基础** MATLAB结构体是一种数据结构,用于存储和组织相关数据。它由一系列域组成,每个域都有一个名称和一个值。结构体提供了对数据的灵活访问和管理,使其成为组织和处理复杂数据集的理想选择。 MATLAB中创建结构体非常简单,使用struct函数即可。例如: ```matlab myStruct
recommend-type

详细描述一下STM32F103C8T6怎么与DHT11连接

STM32F103C8T6可以通过单总线协议与DHT11连接。连接步骤如下: 1. 将DHT11的VCC引脚连接到STM32F103C8T6的5V电源引脚; 2. 将DHT11的GND引脚连接到STM32F103C8T6的GND引脚; 3. 将DHT11的DATA引脚连接到STM32F103C8T6的GPIO引脚,可以选择任一GPIO引脚,需要在程序中配置; 4. 在程序中初始化GPIO引脚,将其设为输出模式,并输出高电平,持续至少18ms,以激活DHT11; 5. 将GPIO引脚设为输入模式,等待DHT11响应,DHT11会先输出一个80us的低电平,然后输出一个80us的高电平,
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。