如何在python中计算文件中的单词频率

我有一个.txt文件，格式如下

C
V
EH
A
IRQ
C
C
H
IRG
V

虽然它显然比那个大很多，但本质上就是它。基本上我试图求出每个字符串在文件中的总次数（每个字母/字符串位于单独的行上，因此从技术上讲，文件是C\nV\nEH\n等。但是，当我尝试将这些文件转换为列表，然后在上使用count函数时，它会分离字母，以便诸如“IRQ”之类的字符串是['\n'I'、'R'、'Q'、'\n']所以当我计算它时，我得到的是每个字母的频率，而不是字符串的频率

这是我到目前为止写的代码

def countf():
    fh = open("C:/x.txt","r")
    fh2 = open("C:/y.txt","w")
    s = []
    for line in fh:
        s += line
    for x in s:
        fh2.write("{:<s} - {:<d}".format(x,s.count(x))

---

将

s+=line

更改为

s.extend（line.split（））

。

+=

运算符用于将两个序列相加，字符串被视为一个字符序列。您可以使用

list.append

（例如，

s.append（line）

）将整行作为单个条目添加到列表中，或使用

list.extend

添加字符串列表

在本例中，我使用

line.split（）

将行拆分为单个单词，然后将单词列表添加到当前列表中。如果每行仅包含一个单词，则可以使用

s.append（line）

。

使用，然后使用

strip（）

删除

\n

：

from collections import Counter
with open('x.txt') as f1,open('y.txt','w') as f2:
    c=Counter(x.strip() for x in f1)
    for x in c:
        print x,c[x]   #do f2.write() here if you want to write them to f2

输出：

A 1
C 3
EH 1
IRQ 1
V 2
H 1
IRG 1

---

如果您有Python

2.7

或

3.1

，但是

2.6

和

3.0

没有

集合，那么Ashwini的答案是好的。Counter

---

为了便于移植到这些旧版本，您最好使用。

是否必须使用python？

sort yourfile.txt | uniq-c

将提供字数（您提到c:\所以您似乎在windows上，

sort

和

uniq

是标准的unix命令，如果您安装cygwin或.@There from here-我认为OP需要字数计算。python代码以其书写方式生成字母计数。

sort

和

uniq

从技术上会生成行计数。不确定这是否正确。字数计算，只是其中一些单词碰巧由单个字母组成，这是用于生物学研究的.至于用python实现，that和R是我唯一熟悉的语言，我想在python@D.Shawley是的，很抱歉我误读了-只喝了一杯咖啡><删除了我的评论。@therefromhere-“word”不必是“英语单词”。不过，字符串对OP的使用会更好。这里有一个

collect离子。计数器

应该与2.5和2.6一起使用。此外，这个答案可能是一个注释。

A 1
C 3
EH 1
IRQ 1
V 2
H 1
IRG 1