[Python3]洗數(shù)據(jù)新手向教程Ⅰ:用自帶函數(shù)對(duì)文本進(jìn)行加工

此教程包含如何對(duì)文檔進(jìn)行簡(jiǎn)單的數(shù)據(jù)采集和存儲(chǔ)。

基礎(chǔ)知識(shí)儲(chǔ)備

  1. String & List & Dictionary & Tuple 相關(guān)函數(shù)
  2. File IO 相關(guān)函數(shù)
    詳見(jiàn)我的另一篇簡(jiǎn)書(shū):
    Python for Informatics(File&String&List&Dictionary&Tuple)

項(xiàng)目示例

  • 讀取外部文檔怠晴,摳出confidence值牍蜂,計(jì)算平均值(習(xí)題來(lái)自《Python for Informatics》)
from urllib.request import urlopen

file_url = 'http://www.py4inf.com/code/mbox-short.txt'
file_list = urlopen(file_url)
conf_list = []

for line in file_list:
    line = str(line, 'utf-8') #注意類(lèi)型轉(zhuǎn)換,urlopen()得到的是byte形式
    sign = "X-DSPAM-Confidence: "
    if line.startswith(sign): #防止混進(jìn)非目標(biāo)行的數(shù)據(jù)
        start = line.find(sign)+len(sign)
        end = line.find(' ',start)
        confidence = line[start: end]
        print(confidence)
        conf_list.append(float(confidence))

sum = 0
num = 0
for conf in conf_list:
    sum += conf
    num +=1

print("Average spam condifence: "+str(sum/num))
  • 讀取外部文檔,收集所有單詞(不重復(fù))并儲(chǔ)存在list中霎烙,按字母順序排列(習(xí)題來(lái)自《Python for Informatics》)
from urllib.request import urlopen

url = "http://www.py4inf.com/code/romeo.txt"
url_file = urlopen(url)
words = []

for line in url_file:
    line = str(line,'utf-8')
    temp_words = line.split()
    for word in temp_words:
        if word not in words:
            words.append(word)

words.sort()
print(words)

  • 統(tǒng)計(jì)文本中前十高頻詞(習(xí)題來(lái)自《Python for Informatics》)
import string
fhand = open('text.txt')
words = dict()

for line in fhand:
    line = str(line)
    table = str.maketrans(' ',' ',string.punctuation)
    line.translate(table) #剝?nèi)ニ袠?biāo)點(diǎn),記得Import string(python3中,translate()函數(shù)只有一個(gè)argument)
    line.lower()
    word_list = line.split()
    for word in word_list:
        if word not in words:
            words[word] =1
        else:
            words[word]+=1

words_cooked = list()

for key,value in words.items():
    words_cooked.append((value,key))

words_cooked.sort(reverse= True)

for key, value in words_cooked[:10]:
    print(key,value)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市吼过,隨后出現(xiàn)的幾起案子锐秦,更是在濱河造成了極大的恐慌,老刑警劉巖盗忱,帶你破解...
    沈念sama閱讀 218,546評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件酱床,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡趟佃,警方通過(guò)查閱死者的電腦和手機(jī)扇谣,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,224評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)闲昭,“玉大人罐寨,你說(shuō)我怎么就攤上這事⌒蚓兀” “怎么了鸯绿?”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,911評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)簸淀。 經(jīng)常有香客問(wèn)我瓶蝴,道長(zhǎng),這世上最難降的妖魔是什么租幕? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,737評(píng)論 1 294
  • 正文 為了忘掉前任舷手,我火速辦了婚禮,結(jié)果婚禮上劲绪,老公的妹妹穿的比我還像新娘男窟。我一直安慰自己,他們只是感情好贾富,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,753評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布歉眷。 她就那樣靜靜地躺著,像睡著了一般祷安。 火紅的嫁衣襯著肌膚如雪姥芥。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 51,598評(píng)論 1 305
  • 那天汇鞭,我揣著相機(jī)與錄音,去河邊找鬼庸追。 笑死霍骄,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的淡溯。 我是一名探鬼主播读整,決...
    沈念sama閱讀 40,338評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼咱娶!你這毒婦竟也來(lái)了米间?” 一聲冷哼從身側(cè)響起强品,我...
    開(kāi)封第一講書(shū)人閱讀 39,249評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎屈糊,沒(méi)想到半個(gè)月后的榛,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,696評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡逻锐,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,888評(píng)論 3 336
  • 正文 我和宋清朗相戀三年夫晌,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片昧诱。...
    茶點(diǎn)故事閱讀 40,013評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡晓淀,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出盏档,到底是詐尸還是另有隱情凶掰,我是刑警寧澤,帶...
    沈念sama閱讀 35,731評(píng)論 5 346
  • 正文 年R本政府宣布蜈亩,位于F島的核電站锄俄,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏勺拣。R本人自食惡果不足惜奶赠,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,348評(píng)論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望药有。 院中可真熱鬧毅戈,春花似錦、人聲如沸愤惰。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,929評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)宦言。三九已至扇单,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間奠旺,已是汗流浹背蜘澜。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,048評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留响疚,地道東北人鄙信。 一個(gè)月前我還...
    沈念sama閱讀 48,203評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像忿晕,于是被迫代替她去往敵國(guó)和親装诡。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,960評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容