怎么用pandas统计文章中每个单词出现的次数

我们可以将文章中每个单词转换成小写，并使用pandas中的Series对象来统计每个单词出现的次数。以下是代码示例：

import pandas as pd

# 读取文章内容
with open('article.txt', 'r') as f:
    content = f.read()

# 将文章中的标点符号去除
content = ''.join(c for c in content if c.isalnum() or c.isspace())

# 将文章中的单词转换成小写
words = content.lower().split()

# 使用pandas的Series对象统计每个单词出现的次数
word_counts = pd.Series(words).value_counts()

print(word_counts)

在上述代码中，我们首先读取文章内容，并去除了文章中的标点符号。接着，我们将文章中的单词转换成小写，并使用pandas的Series对象来进行统计。最后，我们输出了每个单词出现的次数。

相关问题

制定任意英文文章的文本文件，使用pandas统计文章中每个单词出现的次数，保留数字，连字符，撇号，统计结果按照出现次数降序再按照单词字典序排序，将统计结果保存到csv文件中，并使用水平柱状图显示出现次数最多的十个单词

以下是一个例子，可以根据需要进行修改：

import pandas as pd
import matplotlib.pyplot as plt

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

# 将文本转换为小写并移除标点符号
text = text.lower()
text = text.replace('-', ' ')
text = text.replace("'", '')
text = ''.join(c for c in text if c.isalnum() or c.isspace())

# 将文本拆分为单词列表
words = text.split()

# 统计每个单词出现的次数
word_counts = {}
for word in words:
    if word in word_counts:
        word_counts[word] += 1
    else:
        word_counts[word] = 1

# 将统计结果转换为DataFrame并按照要求排序
df = pd.DataFrame.from_dict(word_counts, orient='index', columns=['count'])
df = df.sort_values(by=['count', df.index.name], ascending=[False, True])

# 保存统计结果到csv文件
df.to_csv('word_counts.csv')

# 绘制水平柱状图
top_words = df.head(10)
plt.barh(top_words.index, top_words['count'])
plt.xlabel('Count')
plt.ylabel('Word')
plt.title('Top 10 Words by Count')
plt.show()

注意，这只是一个简单的例子，实际使用时可能需要考虑更多的情况，例如处理缩写、停用词等。

制定任意英文文章的文本文件，使用pandas统计文章中每个单词出现的次数，保留形如“60”的数字、形如“self- distrust”中间的连字符、形如“isn‘t”中间的撇号，统计结果按照出现次数降序再按照单词字典序排序，将统计结果保存到csv文件中，并使用水平柱状图显示出现次数最多的十个单词

以下是一个示例代码，实现了上述要求：

import pandas as pd
import re
import matplotlib.pyplot as plt

# 读入文本文件
with open('article.txt', 'r') as f:
    text = f.read()

# 使用正则表达式分词
words = re.findall(r'\d+|\w+(?:-\w+)*|\w+(?:\'\w+)*', text)

# 统计单词出现次数
word_counts = pd.Series(words).value_counts().sort_values(ascending=False)

# 保存到csv文件
word_counts.to_csv('word_counts.csv', header=['count'])

# 取前十个单词作为水平柱状图的数据
top_words = word_counts.head(10)
plt.barh(top_words.index, top_words.values)
plt.gca().invert_yaxis()
plt.show()

需要注意的是，这里使用了正则表达式对文本进行分词，分别匹配了数字、带连字符的单词以及带撇号的单词。统计单词出现次数时，使用了pandas的Series对象，方便进行排序和保存到csv文件。最后，使用matplotlib库绘制水平柱状图展示出现次数最多的前十个单词。