考生文件夹下存在2个Python源文件和1个文本文件。其中,2个Python源文件对应2个问题,文本文件data.txt中包含一篇从互联网上下载的关于“德国工业4.0战略规划实施建议摘要”的文章。请分别补充2个Python源文件,完成以下功能。 提取主

admin2022-09-10  70

问题 考生文件夹下存在2个Python源文件和1个文本文件。其中,2个Python源文件对应2个问题,文本文件data.txt中包含一篇从互联网上下载的关于“德国工业4.0战略规划实施建议摘要”的文章。请分别补充2个Python源文件,完成以下功能。

提取主题词并统计其频次。要求:在文件PY301-2.py中补充代码,提取clean.txt文件中长度不少于3个字符的词语并统计词频,将词频最高的10个词语作为主题词,并将主题词及其频次显示到屏幕上。输出示例如下。
    4.0:10,制造业:9,…
    注意:输出格式采用英文冒号和英文逗号,标点符号前后无空格,各词语中间用逗号分隔,最后一个词语后无逗号。
    试题程序
    #
    #以下代码仅供参考
    #
  import jieba
  
    d={}
    lt=list(d.items())
    lt.sort(key=lambda x:x[1],reverse=True)

选项

答案import jieba f=open(’clean.txt’,’r’) data=f.read() l=jieba.lcut(data) d={} for i in l: if len(i)>=3: d[i]=d.get(i,0)+1 lt=list(d.items()) lt.sort(key=lambda x:x[1],reverse=True) for i in lt[:9]: print(i[0],’:’,end=’,’,sep=’’) print(lt[9][0],’:’,lt[9][1],sep=’’) f.close()

解析 (1)本题无须使用jieba库,直接读取文件。此处需要将读取文件的编码设置为utf-8,通过参数encoding设置即可。创建一个包含中文标点符号的字符串,并且该字符串需将空格和换行符考虑进去。考生可先浏览data.txt文件查看有关中文标点。接下来对读取的数据进行遍历,只要不在标点符号字符串内的数据都添加到新的变量中,然后直接写入文件clean.txt即可。
    (2)本题要使用jieba库,则首先用import保留字导入jieba库。打开data.txt文件后,需要用read()方法读入整个文件内容并赋值给data;然后使用jieba库的lcut()函数对data进行精准分词,其分词结果存放在列表1中;最后定义一个字典d,用来存放选出的主题词(键)和该词出现的次数(值)。
  用for循环遍历列表l中的每个元素(主题词),题目要求选出长度大于等于3个字符的主题词(len(i)>=3),当主题词符合要求时,就将该元素存入字典d中作为一个键(d),该键所对应的值设置为1(d.get(i,0)+1),在后面循环中只要遍历的主题词和键相同,就将该键对应的值加1。
  lt=list(d.items())表示将字典类型变成列表类型,字典中的每个键值对对应列表中的一个元组。随后,对列表lt中的元素进行排序,使用sort()方法。参数“key=lambda x:x[1]”中,lambda是一个隐函数,是固定写法,不能写成别的单词;x表示列表中的一个元素,在这里表示一个元组,x只是临时起的一个名字,也可以使用任意的名字;x[1]表示以元组中第2个元素排序。sort()方法的第2个参数表示排序方式,若该参数为“reverse=True”,则表示按降序排序;若该参数未填写或为“reverse=False”,则表示按升序排序,即按照列表lt中每个元组中的第2个元素(次数)降序排序。
    排序后,通过一个for循环,遍历列表lt中的前9个元组,每个元组的第1个元素(主题词)和第2个元素(次数)通过“:”连接输出,并添加逗号作为输出结束符,空格作为字符分隔符。最后输出第10个元组即可。
转载请注明原文地址:https://jikaoti.com/ti/Oeb0FFFM
0

最新回复(0)