?1、詞數(shù)統(tǒng)計代碼

#-*-coding:utf-8-*- import pandas as pd import numpy as np import jieba from sklearn.feature_extraction.text import CountVectorizer #自己構(gòu)建文章 content=['This i is the first document.', 'This is the second second document.', 'And the third one.', 'Is this the first document? i x y','i'] #content=['今天陽光真好','我要去看北京天安 門','逛完天安門之后我要去王府井',''] #進行中文分詞 content_list=[] for tmp in content:#使用精確模式res=jieba.cut(tmp,cut_all=False)res_str=','.join(res)content_list.append(res_str) #1、構(gòu)建實例 con_vet=CountVectorizer() #2、進行提取詞語 #對于英文來說會按照空格分詞 #認(rèn)為單個的字符的詞對于我們的文章分類沒有影響，所以不拿出來 X=con_vet.fit_transform(content) #獲取提取到的詞語 names=con_vet.get_feature_names() print(names) print(X) print(X.toarray())

2、詞的重要程度統(tǒng)計代碼

#-*-coding:utf-8-*- from sklearn.feature_extraction.text import TfidfVectorizer import jieba #自己構(gòu)建文章 #content=['This i is the first document.', 'This is the second second document.', 'And the third one.', 'Is this the first document? i x y','i'] content=['今天陽光真好','我要去看北京天安 門','逛完天安門之后我要去王府井',''] #進行中文分詞 content_list=[] for tmp in content:#使用精確模式res=jieba.cut(tmp,cut_all=False)res_str=','.join(res)content_list.append(res_str) #1、構(gòu)建實例 #min_df=1#設(shè)置分詞的時候，詞必須至少出現(xiàn)一次 #stop_words===停用詞 tf_vec=TfidfVectorizer(stop_words=['之后','今天']) #2、統(tǒng)計詞的重要程度 X=tf_vec.fit_transform(content_list) #獲取分詞結(jié)果 names=tf_vec.get_feature_names() print(names) print(X.toarray())

?

總結(jié)

以上是生活随笔為你收集整理的数据分析词数统计和词的重要程度统计的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。