本文實例講述了Python實現快速計算詞頻功能。分享給大家供大家參考，具體如下：

這幾天看到一位同事的代碼，方法如下：

def cut_word(body):  temp_dict={}  if body is not None:    temp=jieba.cut(body)    for t in temp:      temp_dict[t]=1  else:    pass  return temp_dict

這個函數的功能是，輸入一段字符串，比如：'今天天氣很不錯'，輸出一個字典，key為使用結巴的cut方法之后切分的詞，value為1，如：{'很':1,'今天天氣':1,'不錯': 1}。

然后我看到同事的另一個方法：

def union_dict(x,y):  _keys = set(sum([obj.keys() for obj in [x,y]],[]))  _total = {}  for _key in _keys:    _total[_key] = sum([obj.get(_key,0) for obj in [x,y]])  return _total

是這樣調用的：

final_dict=reduce(union_dict,result)

result是這樣產生的：

result=df['body'].apply(cut_word)

也就是把df的body列每一行進行cut_word函數操作（即將字符串轉換成一個字典）。

result的類型是series，隨后對result用reduce函數進行union_dict操作。

union_dict的作用是，輸入兩個字典，比如{'很':1,'今天天氣':1,'不錯': 1}和{'很':1,'今天天氣':1,'差': 1}，對key相同的進行value求和，也就是輸出會變成{'很':2,'今天天氣':2,'不錯': 1,'差':1}。

所以這一系列的操作其實是為了計算一大堆文字的詞頻數，但同事使用的是對每一行分別進行拆分，生成字典，隨后

對字典進行合并，其實有些麻煩。

再學習自然語言處理的時候，我了解到nltk有一個方法，可以直接計算詞頻，用在此處正好。

# -*- coding:utf-8 -*-import nltkimport jiebastr = '今天天氣很不錯。今天天氣很差'a = list(jieba.cut(str))cfd = nltk.FreqDist(a)

結果直接是一個帶有頻數的字典：{'很':2,'今天天氣':2,'不錯': 1,'很差':1,'。'}

由于同事的函數cut_word對每個詞只計一次頻數，所以不能直接拼接字符串后調用FreqDist函數，需要對每個cut出來的列表去重，隨后再拼接為大字符串調用FreqDist，這也比之前寫這兩個函數簡單許多。

對于普通的計算頻數的需求來說，這個函數能直接解決，十分方便。

更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對大家Python程序設計有所幫助。