Python 如何查找具有一定出现频率的所有单词，不包括某些单词

我想查找出现频率>=30的所有单词，不包括单词the、and、to和a

我尝试了以下代码：

import json
from pprint import pprint

with open ('clienti_daune100.json') as f:
    data=json.load(f)

word_list=[]

for rec in data:   
      word_list=word_list + rec['Dauna'].lower().split()
print(word_list[:100], '...', len(word_list), 'Total words.' )

dict = {}

for word in word_list:
    if word not in dict:
        dict[word] = 1
    else:
        dict[word] += 1

w_freq = []

for key, value in dict.items():
    w_freq.append((value, key))   

w_freq.sort(reverse=True)
pprint(w_freq[:100])

---

我知道我必须在字典中添加一个条件，但我无法确定是哪一个条件。

首先过滤数据，然后您可以使用itertools.Counter

如果需要，您可以将其转换为常规dict

Counter({'box': 2, 'cat': 1, 'are': 1, 'in': 1, 'that': 1, 'other': 1})

最后，对本例中为空的字数进行筛选

{word: count for word,count in counter.items() if count>=30}

---

定义一组排除的单词，然后输入if value>=30，并输入not in excluded_单词：在最后一个循环中，您只需添加想要添加的单词w_freq.Gecko已经给出了一个很好的答案，但我要补充的是，您应该小心调用变量dict，因为它是一个内置的方法，会被掩盖。

{word: count for word,count in counter.items() if count>=30}