Python-在文本文件中查找单词列表的单词频率

Question

我试图加快我的项目以计算单词频率的速度。我有360多个文本文件，我需要获取单词的总数以及另一个单词列表中每个单词出现的次数。我知道如何使用单个文本文件执行此操作。

>>> import nltk
>>> import os
>>> os.chdir("C:\Users\Cameron\Desktop\PDF-to-txt")
>>> filename="1976.03.txt"
>>> textfile=open(filename,"r")
>>> inputString=textfile.read()
>>> word_list=re.split('\s+',file(filename).read().lower())
>>> print 'Words in text:', len(word_list)
#spits out number of words in the textfile
>>> word_list.count('inflation')
#spits out number of times 'inflation' occurs in the textfile
>>>word_list.count('jobs')
>>>word_list.count('output')

要获得“通货膨胀”，“工作”，“产出”个体的频率过于繁琐。我可以将这些单词放入列表中并同时查找列表中所有单词的出现频率吗？基本上，这与Python。

示例：代替此：

>>> word_list.count('inflation')
3
>>> word_list.count('jobs')
5
>>> word_list.count('output')
1

我想这样做（我知道这不是真实的代码，这是我在寻求帮助的内容）：

>>> list1='inflation', 'jobs', 'output'
>>>word_list.count(list1)
'inflation', 'jobs', 'output'
3, 5, 1

我的单词列表将包含10-20个词，因此我需要能够仅将Python指向单词列表以获取计数。如果输出能够复制并粘贴到Excel电子表格中，字为列，频率为行，那也很好。

例：

inflation, jobs, output
3, 5, 1

最后，有人可以帮助所有文本文件实现自动化吗？我认为我只是将Python指向该文件夹，它就可以针对每个360+文本文件从新列表中进行上述字数统计。似乎很容易，但是我有点卡住了。有什么帮助吗？

这样的输出将是很棒的：Filename1通货膨胀，工作，输出3、5、1

Filename2
inflation, jobs, output
7, 2, 4

Filename3
inflation, jobs, output
9, 3, 5

谢谢！

Answer 1

如果我了解您的问题，collections.Counter（）可以解决此问题。

文档中的示例似乎可以解决您的问题。

# Tally occurrences of words in a list
cnt = Counter()
for word in ['red', 'blue', 'red', 'green', 'blue', 'blue']:
    cnt[word] += 1
print cnt


# Find the ten most common words in Hamlet
import re
words = re.findall('\w+', open('hamlet.txt').read().lower())
Counter(words).most_common(10)

从上面的示例中，您应该能够：

import re
import collections
words = re.findall('\w+', open('1976.03.txt').read().lower())
print collections.Counter(words)

EDIT 幼稚的方法来显示一种方式。

wanted = "fish chips steak"
cnt = Counter()
words = re.findall('\w+', open('1976.03.txt').read().lower())
for word in words:
    if word in wanted:
        cnt[word] += 1
print cnt