jupyter编写函数,参数是一个文件的文件名。统计一个文件中单词的出现次数,并输出出现次数最高的前三个单词

在Jupyter Notebook中编写一个函数，用于统计文件中单词的出现次数，并输出出现频率最高的前三个单词，你可以按照以下步骤操作：

首先，你需要安装`nltk`库，它包含了处理文本数据的工具，包括分词。如果没有安装，可以运行：

!pip install nltk

然后导入所需的模块，并下载停用词列表和英文分词器：

import os
import re
from collections import Counter
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

# 下载停用词列表（如果还没有）
nltk.download('stopwords')
nltk.download('punkt')

接下来创建函数`word_frequency_analysis`：

def word_frequency_analysis(filename):
    # 读取文件内容
    with open(filename, 'r', encoding='utf-8') as file:
        text = file.read().lower()
        
    # 清理文本（去除标点、数字等非字母字符）
    cleaned_text = re.sub(r'\W+', ' ', text)
    
    # 分词并移除停用词
    words = [word for word in word_tokenize(cleaned_text) if word not in set(stopwords.words('english'))]
    
    # 计算每个单词的出现次数
    word_counts = Counter(words)
    
    # 获取出现次数最高的前三个单词及其计数
    top_three_words = word_counts.most_common(3)
    
    print(f"Top three most frequent words:")
    for word, count in top_three_words:
        print(f"{word}: {count}")
        
# 使用函数
file_name = "your_file.txt"  # 替换为你想要分析的文件名
word_frequency_analysis(file_name)

在这个函数中，将`your_file.txt`替换为你要分析的实际文件名。这个函数会读取文件、清理文本、分词、计算单词频率，并打印出出现频率最高的前三名。