python词频统计代码_python统计词频

一、程序分析

（1）将文件读入缓冲区（dst指文本文件存放路径，设置成形参，也可以不设，具体到函数里设置）

def process_file(dst): # 读文件到缓冲区try: # 打开文件

txt=open(dst,"r")

except IOErrorass:

print sreturnNonetry: # 读文件到缓冲区

bvffer=txt.read()

except:

print"Read File Error!"

returnNone

txt.close()return bvffer

（2）设置缓冲区，将文本度数缓冲区，并对文本的特殊符号进行修改，使其更容易处理，并读入字典。

def process_buffer(bvffer):ifbvffer:

word_freq={}

# 下面添加处理缓冲区 bvffer代码，统计每个单词的频率，存放在字典word_freq

bvffer=bvffer.lower()for x in '~!@#$%^&*()_+/*-+\][':

bvffer=bvffer.replace(x, " ")

words=bvffer.strip().split()for word inwords:

word_freq[word]=word_freq.get(word,0)+1

return word_freq

（3）设置输出函数，运用lambda函数对词频排序，并以“词”——“频”格式输出

def output_result(word_freq):ifword_freq:

sorted_word_freq= sorted(word_freq.items(), key=lambda v: v[1], reverse=True)for item in sorted_word_freq[:10]: # 输出 Top 10的单词

print item

（4）封装main函数，以便接下来的cProfile的性能评估

def main():

dst= "Gone_with_the_wind.txt"bvffer=process_file(dst)

word_freq=process_buffer(bvffer)

output_result(word_freq)if __name__ == "__main__":

import cProfile

import pstats

cProfile.run("main()", "result")

# 直接把分析结果打印到控制台

p= pstats.Stats("result") # 创建Stats对象

p.strip_dirs().sort_stats("call").print_stats() # 按照调用的次数排序

p.strip_dirs().sort_stats("cumulative").print_stats() # 按执行时间次数排序

p.print_callers(0.5, "process_file") # 如果想知道有哪些函数调用了process_file,小数,表示前百分之几的函数信息

p.print_callers(0.5, "process_buffer") # 如果想知道有哪些函数调用了process_buffer

p.print_callers(0.5, "output_result") # 如果想知道有哪些函数调用了output_res

二、代码风格说明

缩进

使用4个空格进行缩进

def process_buffer(bvffer):ifbvffer:

word_freq= {}

行宽

每行代码尽量不超过80个字符

本次编程最长一行代码(算上下划线和空格）：78个字符

sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True)

import语句

分行书写import语句

import cProfile

import pstats

三、程序运行命令、运行结果截图

词频统计结果截图

四、性能分析结果及改进

执行次数最多：

执行时间最多：

四、性能分析结果及改进

综合执行次数最多和时间最长，我们可以发现，字典中的get方法是所有话数里用的最多的，要想减少时间，我们可以从替换的符号入手，因为名著《飘》不是一个数学学术性的报告之类的，所以想@#￥%……&*这些之类的符号基本不可能在这本书里出现，所以在规范文本的过程中，我们可以减去对这些符号的替换修改。下面是两次时间和调用次数的前后对比图。

for x in '!%()_/-\][':

bvffer=bvffer.replace(x, " ")

前：

后：

由此可见快乐大约0.016秒左右。

五、可视化操作

下载gprof2dot.py将此一个PY（无需将一整个文件夹放入）放到词频统计的相同目录，在graphviz官网下载zip文件，解压，并将其bin目录添加到系统的环境变量里。

1. 性能分析：python -m cProfile -o result -s cumulative word_freq.py Gone_with_the_wind.txt;分析结果保存到 result 文件；

2. 转换为图形；gprof2dot 将 result 转换为 dot 格式；再由 graphvix 转换为 png 图形格式。

命令：python gprof2dot.py -f pstats result | dot -Tpng -o result.png注意：要通过cmd进去词频的py程序的目录，在其中输入代码（必须保证已经有了result文件，不然无法找到目标文件）

最后结果分析如下：

python词频统计代码_python统计词频相关推荐

python爬取托福_Python 统计托福作文词频
随着 AI 的大热,我的好奇心也受到了吸引.阅读了一些文章后发现,Pyhton 是一个非常适合 AI 编程的语言.于是开始了对其打怪升级的探索. 探索中发现,Python 提供丰富的库来帮助开发者们进 ...
python计算营业额代码_python计算营业额的代码_python 统计代码行数简单实例
python 统计代码行数简单实例送测的时候,发现需要统计代码行数于是写了个小程序统计自己的代码的行数. #calclate_code_lines.py import os def afileli ...
python数据统计代码_Python 数据的累加与统计的示例代码
问题你需要处理一个很大的数据集并需要计算数据总和或其他统计量. 解决方案对于任何涉及到统计.时间序列以及其他相关技术的数据分析问题,都可以考虑使用 Pandas库 . 为了让你先体验下,下面是一个 ...
python动态爱心代码_python 动态绘制爱心的示例
python 动态绘制爱心的示例代码 import turtle turtle.bgcolor("black") turtle.pensize(2) sizeh = 1.2 de ...
python count函数代码_python count函数用法详解_后端开发
fgetc函数的作用详解_后端开发 fgetc函数的作用是从指定文件读入一个字符,要求文件的打开方式必须是以读或读写的方式或者追加的方式,只写方式是不能读的. 在python中可以使用"c ...
python视频处理代码_python如何实现视频转代码视频
本文实例为大家分享了python如何实现视频转代码视频的具体代码,供大家参考,具体内容如下 # -*- coding:utf-8 -*- #coding:utf-8 import argparse i ...
python五边形的代码_python正五边形代码
python正五边形代码第一步先找规律,抽象化问题.首先我们观察到,第一行为[1],我们直接赋给一个变量:初始化数列 p = [1].核心点是这个除去首位两个 [1] 的中间部分:[p[0] + p ...
python阶乘的代码_python编码阶乘
广告关闭腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 需求:阶乘:也是数学里的一种术语: 阶乘指从1乘以2乘以3乘以4一直乘到所要求的 ...
python画花朵代码_python画花朵代码分享
python画花朵代码分享发布时间:2020-05-09 15:36:11 来源:亿速云阅读:295 作者:小新这篇文章主要为大家详细介绍了python画花朵代码,文中示例代码介绍的非常详细,具 ...

python词频统计代码_python统计词频

python词频统计代码_python统计词频相关推荐

最新文章

热门文章