我有两组数据，它们都来自不同的来源。两组数据都包含具有出现频率的单词。我想检查某个单词是否在两个数据集中都存在，如果存在，是否可以执行某种统计上的重要性测试，以证明该单词是重要的。
For example:
word = 'apple'
dict1 = {'oranges': 45, 'apple': 34,...., 'x': y}
dict2 = {'apple': 165, 'orange': 12,...., 'x': y}
如果单词' apple‘出现在两个数据集
浏览 1提问于2014-01-03得票数 0
我知道我可以在文本/数组中找到一个单词，如下所示：
if word in text:
print 'success'
我想要做的是阅读文本中的一个单词，并尽可能多地计数这个单词(这是一个简单的计数器任务)。但问题是，我真的不知道如何read已经读过的单词。最后:统计每个单词出现的次数？
我曾经想过保存在数组中(甚至是多维数组，所以保存单词和出现的次数，或者用两个数组保存)，每次在数组中出现一个单词时，都要求和1次。
那么，当我读到一个词时，我能不能不用类似的东西来读它呢：
if word not in wordsInText:
print 'su
浏览 2提问于2018-03-16得票数 0
回答已采纳
3回答
我有一个训练数据集，它是一个numpy数组，形状为(4800,1)。它有一列字符串，每一行对应于来自不同电子邮件的文本。
我想要创建一个字典来统计每个单词在使用python时出现的电子邮件数量(或行数)。最后，只选择出现在至少10封电子邮件中的单词。我只能计算出在整个数据集中出现的单词的频率，而不是多少行/电子邮件。下面的代码是我到目前为止所掌握的
下面是一个数组的外观和应该输出的示例。
[['red blue green green']
['red blue blue']
['red red red']]
产出：
{'red&#
浏览 1提问于2020-10-19得票数 1
回答已采纳
我需要根据一个单独的源列表来统计列表中单词或词组出现的频率。
我有一个作者和研究领域的数据框架。每个作者都有一个或更多的研究领域(单词/单词短语)与他们的名字相关联的列表。
有时，同一个研究领域不止一次出现，我希望每次都对它们进行统计(也就是说，不是一个独特的列表)。
我需要统计一位作者的研究领域与一组研究领域中的研究区域相匹配的次数。
我可以在每个作者的基础上做这件事，但不能为所有的作者名单。
(实际上，有4个研究范畴:生命科学、社会科学等)，我需要统计每个作者在每个研究类别中的研究领域的发生情况，即它们的列表中有多少生命科学领域，有多少社会科学领域在它们的列表中等等。一个简单的例子在一个研
浏览 3提问于2017-07-14得票数 0
回答已采纳
1回答
我正在统计列表中出现的单词数(称为a_master)。搜索和计数的单词在dictionary.txt中。问题是，当我将计数写到文件中时，结果如下：
1Count cloud
19Count openstack
3
这是密码：
with open("dictionary.txt","r") as f:
for line in f:
if a_master.count(line.strip()) !=0:
file.write( "Count " + line + str((a_master).count(line.stri
浏览 1提问于2015-04-23得票数 1
回答已采纳
在单词统计程序中，如何找出猪出现频率最高的单词和出现频率最低的单词。如何在这里使用MAX函数。
我看到的输出如下所示
(纳维恩，3) (is,5)
这里我需要的输出是" is“
浏览 34提问于2016-07-24得票数 0
5回答
我正在尝试以最简单的方式编写一个程序，用Scala语言统计文件中单词的出现次数。到目前为止，我有以下几段代码：
import scala.io.Codec.string2codec
import scala.io.Source
import scala.reflect.io.File
object WordCounter {
val SrcDestination: String = ".." + File.separator + "file.txt"
val Word = "\\b([A-Za-z\\-])+\\b".r
浏览 1提问于2013-03-19得票数 12
回答已采纳
我将编写一个程序，它接受一个URL，并统计网页中出现的每个1-单词、2-单词和3-单词短语(可能还有x-单词短语)。
这是我能想到的最好的算法：
1)。剥离html标签
2)将所有内容都设置为小写
3)在空格上拆分文本，并将它们全部放入一个数组中
4)遍历每个单词，对于每个单词，您必须:将wordi、wordi+1、wordi+2放入一个哈希表中。
每次发生冲突时，您都会增加该单词或2-3个字母单词短语的单词计数。
我的问题是：
1)有没有人能在空间和运行时间方面提供更有效的解决方案？
2)在C#中有什么简单的方法可以做到#1吗？
我也许可以使用dom解析器来解析出所有的内部文本。
浏览 2提问于2011-11-12得票数 1
回答已采纳
这个问题很容易解决，但我不确定我得到的解决方案在计算上是否有效。所以我在请教专家！
要浏览一个大文件，收集(整个文件)两个单词在同一行中出现的频率的统计数据，最好的方法是什么？
例如，如果文本只包含以下两行：
“这是白色棒球。”“这些家伙有白色的棒球棒。”
您将最终收集以下统计信息：(this，is: 1)，(this，the: 1)，(this，白色: 1)，(this，棒球: 1)，(is，the: 1)，(is，白色: 1)，(is，棒球: 1)……以此类推。
对于条目(棒球，白色: 2)，该值将为2，因为这对单词在同一行中总共出现了2次。
理想情况下，统计信息应该放在字典中，其中键在元
浏览 0提问于2010-10-02得票数 2
回答已采纳
4回答
词性标注-从哪里开始？
、、、
您好，我想知道如何实现这样一个任务的解决方案：
有一个500Mb的纯英文文件。
我想收集有关单词频率的统计数据，但另外要确保每个单词都被正确识别(或大多数单词)。
在句子“她大声哭了”中的“哭”将被归类为名词，而“不要哭”将为统计数据提供动词。
此外，过滤专有名称也很好，这样它们就可以形成另一个字典。
另一项任务将更加困难。我想找出经常出现在一起的单词的出现情况，并建立这样的出现情况的列表。
让我们说，“绿草”，“漂亮女孩”，“小心处理”，“你是对的”。这样我们就可以准确地说出，在语言中经常一起使用的单词序列是什么。
我该如何开始呢？有没有开放的Java工具&关于这个主题的好书？
浏览 3提问于2010-02-05得票数 0
2回答
我手头的任务是向Jbutton添加一个事件，该事件将统计在JTextArea中显示的单词的出现次数。代码如下所示，但这会计算每一个单词；
private void btnCountActionPerformed(java.awt.event.ActionEvent evt) {
if(!(txtaInput.getText().trim().length()==0)){
String a = String.valueOf(txtaInput.getText().split("\\s
浏览 0提问于2014-05-20得票数 0
5回答
统计每个单词的出现频率
、、、、
有一个目录，里面有几个文本文件。如何统计每个文件中每个单词的出现频率？单词是指一组字符，可以包含字母、数字和下划线字符。
浏览 1提问于2012-03-30得票数 3
回答已采纳
我有一点乐趣，我想知道如何编写一个SQL或dwSQL查询在这两个数据集的特朗普推特和Facebook帖子。以下是数据集：
特朗普脸谱网发布https://data.world/dave/trumps-facebook-statuses
特朗普推特https://data.world/dave/trump-tweets
理想情况下，我希望能够统计一个单词或短语(如“弯曲”、“大量”或“最好的”)在两个数据集中出现的不同实例。
脸书邮报数据集的表名是TrumpFacebook，特朗普推特的表名是trump_tweets。
浏览 0提问于2016-10-21得票数 0
1回答
Sphinx的支持邻近性的排名器使用略微修改的BM25排名器(统计词袋)+强烈支持后者的最长单词-子串匹配公式，而Solr使用一些其他统计排名函数(不是BM25，但类似)+对单词二元语法的提升(这类似于LWS法)。我认为这两种观点都没有模拟人类对相关性的看法，即当答案中的单词不一定相邻或顺序相同时，相关性不会掉下悬崖。
简单的例子：
查询: Bob Jones
正文：。。。。琼斯，这是鲍勃。。。。(看起来与我相关，但这将退回到仅统计)
-或者-
正文：。。。。鲍勃MiddleName琼斯。。。。(相同)
我知道这样做是有代价的，但我不是唯一一个注意到Solr和Sphinx本质上都会退回到词袋统
浏览 4提问于2011-07-13得票数 0
我想统计一个绿色单词在excel中出现的次数。例如，我的excel是这样的：
我想计算一下绿色(X)和红色(X)的出现次数。
浏览 11提问于2016-08-16得票数 0
我正在尝试使用两个数组来计算给定字符串中每个单词的频率，而不是使用Map或Vectors。 一个数组用于存储单词，另一个数组用于统计我相信的每个单词的出现频率。 我一直在业余时间自学C++，这个问题给我带来了比我愿意承认的更多的麻烦，我一直被困在这个问题上。地图和矢量对我来说比较容易，但问题是明确地说不要使用它们。 这是我使用Maps创建对的代码，但现在我需要两个字符串来做基本上相同的事情。 void wordCounter(string str, string wordsArray[], int countArray[]){
map<string, int> passage;
浏览 11提问于2020-12-09得票数 0
2回答
预测自动补全背后的算法/理论？
、、、、
简单单词自动完成功能仅显示与已经键入的字符匹配的单词列表。但我想根据单词出现的概率对自动完成列表中的单词进行排序，这取决于之前键入的单词，依赖于文本语料库的统计模型。为此，我需要哪些算法和数据结构？你能给我一些好的教程的链接吗？
浏览 0提问于2012-07-12得票数 13
回答已采纳
假设我们想要一个系统保持顶部k频繁的单词出现在推特在最后一个小时。如何设计？
我可以想出hashmap、堆、日志或MapReduce，但我找不到一种非常有效的方法来做到这一点。
其实这是面试中的一个问题。
首先，我使用了一个hashmap来统计每个单词的频率。我还保存了一个日志，所以随着时间的推移，我可以数数最古老的单词频率。
然后，我保留了一个长度为K(Top数组)的条目数组和一个数字N，它是数组中最小的计数数。
每次新单词出现时，我都会更新计数hashmap，并获取这个新单词的计数号。如果它大于N，我会发现这个单词是否在数组中。如果是，我将更新数组中的条目。如果没有，我将删除数组中最小的条
浏览 7提问于2014-02-11得票数 13
回答已采纳
通过获取页面内容和查找文本表单页面，我可以在没有的情况下找到前5个常见词。然后根据出现次数将单词转储到字典中。
但是我想利用scrapy的工具来做这件事。但我不确定我应该把项目中的字典放在哪里来保存单词计数，这样爬行器就可以将数据发送到公共位置，然后更新字典。
如何使用scrapy查找最常用的单词？
我可以使用scrapy的统计数据收集模块，以便在完成爬行后可以打印统计数据吗？
浏览 6提问于2018-12-30得票数 0
2回答
Java文本阅读器
、、、
我想编写一个程序来读取输入的文本并解析每个单词并将其存储在一个数据结构中，这样以后我就可以获得一些有关这个数据的统计数据(单词的频率、最常见的单词等等)。
我需要关于两件事的指导：
a.用于我的“解析函数”的最佳方法，它将文本按术语划分。
b.数据结构选择的最佳方法，涉及的是复杂性、访问时间和最适合这种情况的方法。
浏览 1提问于2011-09-27得票数 3
回答已采纳
4回答
我有一个由许多单词组成的字符串。如何查找和统计某个特定单词出现的总次数？
E.g "hello-apple-banana-hello-pear"
在上面的例子中，我该如何找到所有的“hello”？
谢谢。
浏览 1提问于2011-09-02得票数 5
3回答
使用iPython3。我想出了如何统计列中最频繁出现的单词。
import pandas as pd
dft = pd.read_csv('NYC.txt')
dft_counts = complaints['Provider'].value_counts()
dft_counts[:10]
我如何编码这个以计数最少发生的单词？
浏览 1提问于2016-05-26得票数 2
回答已采纳
3回答
Java中有没有默认的方法可以统计单词的总出现次数？例如，堆栈在字符串"stack is stack“中出现了多少次。
编辑:请只使用Java，没有第三方库。
浏览 2提问于2010-12-25得票数 1
回答已采纳
2回答
为了进一步推进我的一个个人项目，我一直在思考如何在上统计用户指定单词的结果数量。我广泛地使用了他们的API，但还没有想出一种有效的甚至是半实用的方法来统计特定单词的出现次数。实际结果并不重要，重要的是总体计数。我会一直抓我的头。任何想法或方向指示将非常感谢。
例如
浏览 2提问于2009-02-24得票数 5
1回答
我有一个MySQL表，其中一个字段包含文本描述(大约5-200个单词)。
例如Reviews
Rev_id Place_id Stars Category Text
1 12 3 Food Nice food but a bad dirty place.
2 31 4 Sport Not bad, they have everything.
3 55 1 Bar Poor place,b
浏览 28提问于2017-07-01得票数 0
回答已采纳
我希望你能帮我统计一下MySql表中每个“id”在标题中出现的单词。
中提供了表文章和ExpectedResult
提前谢谢。
浏览 0提问于2013-05-22得票数 0
我使用map扫描输入文件并生成字数统计。映射键是单词，值是单词的出现次数。我将映射转换为列表，并按值升序排序。因此，我有一个包含2个元组的列表，出现频率最低的单词在列表的第一个位置，出现频率最高的单词在列表的最后一个位置。
我知道使用myList.last可以很容易地将2tuple放在列表的最后位置，然后使用myTuple._2访问结果的第二个元素
可以在一行代码中完成吗？我想让它尽可能简明扼要。
浏览 2提问于2012-09-27得票数 0
回答已采纳
1回答
有没有办法找出互联网上所有文档(更重要的是html)中出现的最常见的不是英文单词的子串(统计上有意义的样本也会很好)，有没有可能得到一些近似，例如"corp“可能是一个候选单词，因为它不是一个完整的英文单词，但" the”不可能是候选单词，因为它们本身就是完整的英文单词。
浏览 1提问于2014-04-23得票数 1
单词、基词和闪存卡
我最近发布了这个问题，在这里我询问了如何在数据库中建模单词和base_words --既然我已经有了单独的表，那么就出现了第二个问题:用户添加包含单词的闪存卡(链接到一个基本单词)，并包含数据库中的一个文本中的一个完整句子，以及我们数据库中的其他语法信息。我还想跟踪用户学习了多少单词，以及有多少个基本单词。
Considerations
考虑到我希望将用户学习的单词与学习的base_words分开进行统计(并跟踪)，这需要有一个单独的表(我认为)。在这个表中，就规范化/非正规化而言，是否可以将用户学习的word_ids存储在一个数组中，然后在另一个数组中存储base_wor
浏览 0提问于2017-01-30得票数 0
回答已采纳
在我的csv文档中只有评论(只有行，没有列).I想要统计单词的出现频率，例如，like，从我的csv文件中最好。我不想要每个单词的频率。我只想知道这三个单词在我的csv文档中出现的次数。我尝试了这些代码，但它给了我每个我不想要的单词的频率。有没有人能帮我解决如何统计特定单词或特定单词列表的频率？
texts <- read.csv("./Data/fast food/Domino's/Domino's veg pizza.csv",stringsAsFactors = FALSE)
docs <- Corpus(VectorSource(te
浏览 2提问于2018-06-28得票数 0
2回答
我是第一次使用map/reduce。有没有可能一个map任务的输入在不同的服务器上？假设我想要使用map/reduce模拟“字数统计”，并逐行拆分数据(每行一段)。每个map任务真的会引用一段数据并统计该段中每个单词的出现次数吗？
浏览 1提问于2012-05-22得票数 0
回答已采纳
1回答
我需要对文档进行分析，并编制统计数据，说明每个单词序列使用了多少次(因此，分析的不是单个单词，而是一批重复出现的单词)。我读到压缩算法所做的事情与我想做的类似--用一段信息报告它的频率来创建文本块字典。应该类似于，您有用C#编写的东西吗？
浏览 3提问于2010-05-28得票数 1
如何在Python中统计一个单词在一个字符串中出现了多少次？例如：
file|context
----|-------
1 | Hello world
2 | Round and round
我想计算单词的出现次数：
file| context | word_count
----|-----------------|---------------------
1 | Hello world | {'hello':1,'world':1}
2 | Round and round | {'round':2,&#
浏览 2提问于2017-09-15得票数 0
用户输入段落后，javascript会统计每个单词appreas的出现频率，并从大到小打印出来。我已经使用两个数组计算了每个单词的数量。但是，我真的不知道如何根据数量打印出来，因为计数和单词存储在两个不同的数组中。请帮帮我。谢谢!
<!DOCTYPE html>
<html>
<head>
<title> practice </title>
<style>
.field{
font-size: 10px; /
width: 400px;
}
</style>
</head>
<body>
浏览 0提问于2016-09-28得票数 0
我对MapReduce非常陌生，我完成了一个Hadoop字数统计示例。
在该示例中，它生成单词计数未排序文件(带有键-值对)。那么，是否可以通过将另一个MapReduce任务与前一个任务相结合来按单词出现的次数对其进行排序呢？
浏览 1提问于2010-03-31得票数 10
我已经将文本文件的内容作为blob存储在MySQL表中。我想从该文本中统计一个特定单词出现的次数。
有什么办法我能做到吗？
浏览 2提问于2015-04-05得票数 0
回答已采纳
我希望我的数组成为我的新散列的键。我正在写一个统计文档中单词出现次数的程序。
my @array = split(" ", $line);
keys my %word_count = @array; #This does nothing
这段代码是在我逐行阅读infile时发生的。我正在尝试找到一种方法来完成这个项目使用散列。单词是关键字，它们出现的次数是值。但是，这一步尤其让我感到困惑。
浏览 0提问于2012-04-11得票数 2
如何统计数据帧中某一列中每一行中某些字符串/单词的出现次数？ 例如： column
=================================================
I am not hungry
He does not angry
I believe him
I can not believe that he does not believe me 然后我想要得到在每一行中出现的单词"not“的总数。我想要得到的是： column |count word "not"
浏览 14提问于2020-07-02得票数 0
回答已采纳
3回答
我正在用地图来统计单词的出现。这是密码。
#include <iostream>
#include <map>
#include <string>
using namespace std;
int main() {
map<string,int>wordcount;
string s;
while (cin>> s && s!="red")
++wordcount[s];
while (cin>>s && s!="
浏览 3提问于2010-07-18得票数 2
回答已采纳
我实际上是groovy的新手，我正在尝试读取json文档文件，并统计在json文档字段中出现的特定单词“温度”的次数。单词应该完全匹配。比如"high_temperature不应该等于"temperature“，只有"temperature”应该等于"temperature“。
def file = new File('src/main/resources/climate_change_tweets_all.json')
file.each{
if (it.contains(" temperature ")){
t
浏览 6提问于2019-11-08得票数 0
在XML8中，有没有办法创建在创建或更新MarkLogic文档时运行的管道，以便进行一些统计计算，比如计算出现某些单词的节点数，并将结果存储在文件中？
浏览 2提问于2015-06-11得票数 1
5回答
我正在尝试根据感兴趣的单词的子集来计算单词在字典列中存在的次数。
首先我导入我的数据
products = graphlab.SFrame('amazon_baby.gl/')
products['word_count'] = graphlab.text_analytics.count_words(products['review'])
products.head(5)
数据可以在这里找到：
然后创建我感兴趣的单词列表：
words = ['awesome', 'great', 'fantastic'
浏览 1提问于2016-06-04得票数 0
如何进行select语句，使我能够获得与其对应的计数不同的单词，但检索到的计数必须是最大的值。
对于上下文，我的表有3列: word、count、url
我浏览了一堆urls，并统计了一个页面上每个单词的出现情况。单词和url列构成一个复合主键。
不是说我会数两次生物学，只要它来自两个不同的环节。这就是为什么重要的是，我只返回一个词的最高计数出现。任何投入都很感谢。
浏览 1提问于2017-03-26得票数 0
回答已采纳
4回答
因此，在我们的作业中，我的教授希望我们逐行阅读文本文件，然后逐字阅读，然后创建一本字典，统计每个单词出现的频率。我现在要说的是：
wordcount = {}
with open('/Users/user/Desktop/Text.txt', 'r', encoding='utf-8') as f:
for line in f:
for word in line.split():
line = line.lower()
word = word.strip(string.pun
浏览 0提问于2015-06-21得票数 0
回答已采纳
2回答
我不认为这个标题有什么意义，但我不知道该怎么称呼它。
你知道Python拥有的那个数字保证金吗？每一行都有一个数字。我该怎么把它放进VS里？
对这个愚蠢的问题很抱歉。我已经做了一些研究，我一直在寻找程序来统计单词和其他东西。
谢谢。
浏览 2提问于2014-03-18得票数 0
回答已采纳
1回答
有没有一种方法来统计文档和PDF文件中某个单词的出现情况？一个适用于Windows的解决方案将是最有帮助的。
我需要和各种语言一起使用。
浏览 0提问于2011-03-16得票数 4
回答已采纳
4回答
我正在进行一个项目，它需要计算txt文件中每个字的出现情况。例如，我有这样一个文本文件：
银湖在IPO候选人中寻找的是3家被盈利压碎的公司:苹果、Cirrus Logic、IBM的Palmisano:你如何成为一家百年老公司
如果上面有三个句子显示在文件中，我想计算每个单词的出现情况。在这里，公司和公司应该被认为是同一个词“公司”(小写)，因此“公司”一词的总出现量是2。
是否有任何NLP工具包可以区分“家庭”和“家庭”这两个词实际上来自同一个单词“家庭”？
我将统计每个单词的出现情况，以进一步进行朴素贝叶斯训练，因此获得每个单词的准确出现数是非常重要的。
浏览 3提问于2011-12-15得票数 1
回答已采纳
1回答
我在做一份统计研究申请。我需要根据两个字母来存储单词，这是676个组合，每个单词都有它的出现次数(最小，最大，平均)在文本中。我不确定模型/模式应该是什么样的。将有很多检查关键字是否已经持久化。谢谢你的建议。
编辑:我将使用mysql或postgresql + spring模板
浏览 2提问于2010-06-06得票数 0
回答已采纳
我在试着统计一个单词被使用的频率。如果我说“嗨，我是尼克”，它会给我每个单词一个计数。我照本宣科，但是当我做一些像“我兴奋得像风筝”这样的事情时，我得到了i和a的3个计数。有没有办法只计算i和a的个数？ txt = "i am high as a kite"
x = txt.split(" ")
for num_of_instances in x:
count = txt.count(num_of_instances)
print(num_of_instances, count)
浏览 23提问于2019-06-07得票数 3
回答已采纳
4回答
我有一个字符串：
str1 <- "This is a string, that I've written
to ask about a question, or at least tried to."
我将如何：
1)统计逗号个数
2)统计'-ion‘的出现次数
有什么建议吗？
浏览 3提问于2012-03-13得票数 10
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
