擴展字典以包含單詞頻率

Question

我有一個正在為NLTK情感分析而構建的python字典。

注意：輸入內容為純文本電子郵件內容。

def word_feats(words):
    stopset = list(set(stopwords.words('english')))

    words_split = words.split()

    result = dict([(word, True) for word in words_split if word not in stopset])

    return result

我想將其擴展為包括字典中的單詞頻率以及唯一單詞。

這是我目前得到的：

'To' (4666843744) = {bool} True
'ensure' (4636385096) = {bool} True
'email' (4636383752) = {bool} True
'updates' (4636381960) = {bool} True
'delivered' (4667509936) = {bool} True
'inbox,' (4659135800) = {bool} True
'please' (4659137368) = {bool} True
'add' (4659135016) = {bool} True

我想要類似以下的內容，其中末尾的數字是頻率。 它不必完全像這樣，但我希望能夠訪問每個單詞的頻率。

'To' (4666843744) = {bool} True, 100
'ensure' (4636385096) = {bool} True, 3
'email' (4636383752) = {bool} True, 40
'updates' (4636381960) = {bool} True, 3
'delivered' (4667509936) = {bool} True, 4
'inbox,' (4659135800) = {bool} True, 20
'please' (4659137368) = {bool} True, 150
'add' (4659135016) = {bool} True, 10

Answer 1

Python的Counter應該可以解決問題：

from collections import Counter
result = dict(Counter(word for word in words_split if word not in stopset))