2019-01-28 [日常]Beyond的歌里最多是"唏噓"嗎? - Python分詞+詞頻

来源:https://www.cnblogs.com/program-in-chinese/archive/2019/03/12/10514290.html
-Advertisement-
Play Games

看了一個Beyond的紀錄片, 提到這個. 覺得心有不甘, 於是搜集了24首歌詞, 用Python做了簡單分詞和詞頻統計. 源碼(包括歌詞)在: "program in chinese/study" 統計了總出現次數( )和詞出現在歌曲的數目( ). 前者算進了所有重覆歌詞, 後者是算某個詞出現在了 ...


看了一個Beyond的紀錄片, 提到這個. 覺得心有不甘, 於是搜集了24首歌詞, 用Python做了簡單分詞和詞頻統計.

源碼(包括歌詞)在: program-in-chinese/study

統計了總出現次數(詞頻列表)和詞出現在歌曲的數目(詞所在文件數列表). 前者算進了所有重覆歌詞, 後者是算某個詞出現在了幾首歌中.

源碼:

import jieba
import os

所有詞 = []
詞頻表 = {}
詞所在文件 = {}
詞所在文件數 = {}
路徑 = "數據"
for 文件名 in os.listdir(路徑):
    print(文件名)
    with open(os.path.join(路徑, 文件名)) as 文件:
        內容 = 文件.read()
        分詞結果 = jieba.cut(內容)
        for 詞 in 分詞結果:
            if 詞 != " " and len(詞) != 1:
                所有詞.append(詞)
                if 詞 in 詞頻表:
                    詞頻表[詞] += 1
                    詞所在文件[詞].add(文件名)
                else:
                    詞頻表[詞] = 1
                    詞所在文件[詞] = set([文件名])

for 詞 in 詞所在文件:
    詞所在文件數[詞] = len(詞所在文件[詞])

# 詞頻列表 = sorted(詞頻表.items(), key=lambda d: d[1], reverse=True)
詞所在文件數列表 = sorted(詞所在文件數.items(), key=lambda d: d[1], reverse=True)
print(詞所在文件數列表)

前者的最高頻幾個中文詞(完整的在"所有詞頻輸出.txt"):

('多少', 22), ('一生', 21), ('多麼', 20), ('理想', 19), ('沒有', 19), ('一天', 19), ('Woo', 18), ('今天', 18), ('心中', 16), ('一起', 16), ('OH', 16), ('唏噓', 15), ('彼此', 14)

後者的前幾位(完整的在"所在文件數.txt"):

('多少', 9), ('心中', 8), ('沒有', 8), ('一切', 8), ('理想', 7), ('Woo', 7), ('一生', 7), ('今天', 7), ('唏噓', 6), ('擁有', 6), ('可否', 5), ('多麼', 5), ('風雨', 5), ('感覺', 5), ('天空', 5), ('心裡', 5), ('歲月', 5)

至少這幾首經典里, "理想"比"唏噓"更多.


覺得如果有個IDE插件能把一些常用的Python操作集合起來, 如果組織得好, 會挺有用. 因為寫這個例子里, 包括取目錄下的文件, 讀取文本文件, 字典排序等等, 自己的第一反應還是到處找現成代碼黏貼.


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • CentOS的配置: 1.給CentOS安裝Zookeeper: 網路配置成僅主機 上傳tar.gz:比如用FTP tar -xvzf ... cd zookeeper mkdir data cd conf mv zoo_sample.cfg zoo.cfg vi zoo.cfg 修改這一行: da ...
  • 1. 爬取前的分析 是mitmproxy的命令行介面,比Fiddler、Charles等工具方便的地方是它可以對接Python腳本。 有了它我們可以不用手動截獲和分析HTTP請求和響應,只需寫好 請求和響應 的處理邏輯即可。 它還可以實現數據的解析、存儲等工作,這些過程都可以通過Python實現。 ...
  • 項目右擊 → Build Path → 右側 Add Library → server runtime → Apache Tomcat → Finish → Apply ...
  • 配置文件 Java ...
  • 進位的表示方式 最長見的進位表達形式有,二進位,八進位,十進位,十六進位。他們之間的區別僅體現在標識符的不同。 尾碼區分: B、二進位 H、十六進位 O、八進位 D、十進位 首碼區分: 0x:十六進位(零) 0:八進位(零) 0b:二進位(零) 有錯誤請指出,一起進步,謝謝! ...
  • 前言 語音合成技術能將用戶輸入的文字,轉換成流暢自然的語音輸出,並且可以支持語速、音調、音量設置,打破傳統文字式人機交互的方式,讓人機溝通更自然。 應用場景 將游戲場景中的公告、任務或派單信息通過語音播報,讓玩家玩游戲或配送員送貨的同時,也可接聽新任務。 文學小說類軟體,可以利用百度語音合成技術將文 ...
  • Java8中的Stream Stream使用一種類似用SQL語句從資料庫查詢數據的直觀方式來提供一種對Java集合運算和表達的高階抽象. Stream的特性及優點: 無存儲. Stream不是一種數據結構,它只是某種數據源的一個視圖,數據源可以是一個數組,Java容器或I/O channel等. 為 ...
  • 參考 "Packaging Python Projects" , 源碼在 "nobodxbodon/test package for pypi" : setup.py中 與編寫Visual Studio Code插件初嘗試類似, name只能用英文. 生成發佈包 上傳到測試pypi平臺 測試安裝包. ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...