詞數統計及其重要程度統計

import jieba

from sklearn.feature_extraction.text import countvectorizer #統計詞數，英文
'''# 構建文章【英文】
content = ['this is the first document.', 'this is the second second document.', 'and the third one.', 'is this the first document? i x y']
#構建例項
con_vet = countvectorizer()
#進行提取詞語
x = con_vet.fit_transform(content)
print(x) # (0, 1) 1 (文章下標,分詞下標) 詞在文章**現的次數 sparse矩陣
print(x.toarray()) # 將 sparse矩陣 轉化為 陣列
# 獲取提取到詞語
names = con_vet.get_feature_names()
print(names) # 提取到的詞
'''# 構建文章【中文】
content =
["今天陽光真好"
,"我要去看北京天安門"
,"逛完天安門之後我要去王府井"
,"吃烤蠍子與烤蜈蚣"
,"晚上去後海游個泳"
]content_list =
for tmp in content:
# 使用精確模式進行分詞 cut_all預設為精確模式
res = jieba.cut(tmp,cut_all=
false
) res_str =
','.join(res)
#構建例項
con_vet = countvectorizer(stop_words=
['我要'
,'之後'])
#進行提取詞語
x = con_vet.fit_transform(content_list)
print
(x)# (0, 1) 1 (文章下標,分詞下標) 詞在文章**現的次數 sparse矩陣
print
(x.toarray())
# 將 sparse矩陣 轉化為 陣列
# 獲取提取到詞語
names = con_vet.get_feature_names(
)print
(names)
# 提取到的詞

from sklearn.feature_extraction.text import tfidfvectorizer

# 構建文章【英文】
content =
['this is the first document.'
,'this is the second second document.'
,'and the third one.'
,'is this the first document? i x y'
]#構建例項
# min_df = 1 # 設定分詞的時候，詞必須至少出現一次
# stop_words ===停用詞 不重要的詞去掉
tf_vet = tfidfvectorizer(stop_words=
['is'
,'and'])
#進行提取詞語
x =tf_vet.fit_transform(content)
print
(x)#(0, 1) 1 (文章下標,分詞下標) 詞在文章**現的重要程度 sparse矩陣
print
(x.toarray())
#將 sparse矩陣 轉化為 陣列
# 獲取提取到詞語
names = tf_vet.get_feature_names(
)print
(names)
# 提取到的詞

統計單詞數

include include include include include includeusing namespace std struct node int main else if s.find 1 transform s.begin s.end s.begin toupper sourc...

單詞數目統計

時間限制 10 sec 記憶體限制 128 mb neo 給你一系列字串，請你輸出字串中的不同單詞個數以及總單詞個數。多組輸入，每組資料都是一行字串 長度小於200 其中每個單詞以空格隔開 單詞都是小寫字母組成 輸出字串中的不同單詞個數以及總單詞個數。i love china aa aa bb 3 ...

2019 3 20統計單詞數

題目描述 修羅王和邪狼潛入銀行盜走了大量的珠寶，警察經過仔細查詢和推理，終於找到了裝有這批珠寶的保險櫃，但無法開啟保險櫃。經過觀察發現保險櫃背面有一行字元，且發現只要統計出這行字串中有多少個單詞就是開啟保險櫃的密碼。單詞之間由乙個或多個空格分開，且字串不以空格開頭。輸入描述 輸入一行包含若干空格的字...