Python 词频统计之哈姆雷特

好的，Python 词频统计是一种统计文本中词汇出现次数的方法，可以帮助我们更好地了解文本的特征和内容。下面我为你演示一下如何用 Python 对《哈姆雷特》进行词频统计。

首先，我们需要一个文本文件，这里我将使用《哈姆雷特》的英文版文本文件。你可以在网上搜索到该文件并下载到本地。

然后，我们可以使用 Python 自带的文本处理模块 `re` 和 `collections` 来进行词频统计。具体代码如下：

import re
from collections import Counter

# 读取文本文件
with open('hamlet.txt', 'r') as f:
    text = f.read().lower()

# 使用正则表达式分割单词
words = re.findall('\w+', text)

# 统计词频
word_count = Counter(words)

# 输出前 10 个出现次数最多的单词
for word, count in word_count.most_common(10):
    print(word, count)

代码中，我们首先使用 `open` 函数读取文本文件，并将文本内容转换为小写字母，以便统计时不区分大小写。然后使用正则表达式 `\w+` 分割单词，`\w` 表示任意一个单词字符（字母、数字、下划线），`+` 表示匹配多个连续的单词字符。接着使用 `Counter` 统计单词出现次数，并使用 `most_common` 方法输出前 10 个出现次数最多的单词和对应的出现次数。

你可以将代码保存为一个 `.py` 文件并在命令行中运行，或者直接在 Python 解释器中逐行执行，得到类似下面的统计结果：

the 1159
and 711
to 706
of 670
i 574
a 548
you 457
my 452
in 417
hamlet 358

这样，我们就完成了对《哈姆雷特》的词频统计。