热线电话：13121318867

登录
首页精彩阅读Python文本处理2个小案例（文本嗅探与关键词占比统计）
Python文本处理2个小案例（文本嗅探与关键词占比统计）
2017-06-05
收藏

Python文本处理2个小案例（文本嗅探与关键词占比统计）

问题描述：有一些句子和一些关键词，现在想找出包含至少一个关键词的那些句子（文本嗅探），可以参考print('='*30)之前的代码。如果想进一步计算每个句子中的关键词占比（句子中所有关键词长度之和/句子长度），可以参考后面的代码。关键词占比是比较常用的一个文本分类标准，如果想根据关键词占比对句子进行分类的话，可以自行补充代码。

本文主要演示列表推导式、字符串对象用法以及生成器表达式和内置函数的用法。
from random import choice
from string import ascii_letters

def check(sentences, words):
'''返回包含至少一个关键词的句子列表'''
return [sentence \
for sentence in sentences\
if sum(sentence.count(word)\
for word in words)>0]
sentences = ['This is a test.',
'Beautiful is better than ugly.',
'Explicit is better than implicit.',
'Simple is better than complex.',
'Sparse is better than dense.',
'Readability counts.',
'Now is better than never.']
words = ['test', 'count', 'dense', 'is', 'simple']
result = check(sentences, words)
for item in result:
print(item)

print('='*30)
# 计算每个句子中所有关键字总长度的占比
d = {sentence:round(sum(sentence.count(word)*len(word)\
for word in words)/len(sentence),3)\
for sentence in result}
for item in d.items():
print(item)
cda数据分析师培训
运行结果：
This is a test.
Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Sparse is better than dense.
Readability counts.
Now is better than never.
==============================
('This is a test.', 0.533)
('Beautiful is better than ugly.', 0.067)
('Explicit is better than implicit.', 0.061)
('Simple is better than complex.', 0.067)
('Sparse is better than dense.', 0.25)
('Readability counts.', 0.263)
('Now is better than never.', 0.08)



CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

文本分类 数据分析

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！
下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询