查找单词和绘图结果的频率

Question

我目前在文本文件中有一个单词列表，文档中的所有单词都位于单独的行上。我还已将嵌套的json数据导入到pandas数据框中。

Json数据格式看起来与此类似：

[  
   {  
      "year":"2019",
      "category":"chemistry",
      "laureates":[  
         {  
            "id":"976",
            "motivation":"\"for the development of lithium-ion batteries\"",
            "share":"3"
         },
         {  
            "id":"977",
            "motivation":"\"for the development of lithium-ion batteries\"",
            "share":"3"
         }
      ]
   },
   {  
      "year":"2019",
      "category":"economics",
      "laureates":[  
         {  
            "id":"982",
            "firstname":"Abhijit",
            "surname":"Banerjee",
            "motivation":"\"for their experimental approach to alleviating global poverty\"",
            "share":"3"
         },

我需要使用文本文件中的单词来查找json文件中每个类别的各种频率（例如：化学）。然后，我被要求使用Matplotlib为每个主题绘制多个频率（第一个最常见的单词，第10个，第20个，第30个，第40个，第50个）。

我很困惑，因为我不确定执行此操作的最佳方法。

Answer 1

您可以使用python的moses-sacremoses端口进行标记化和规范化。这将为您提供单词列表。然后，您只需要计算每个单词的出现次数并创建图即可。对于快速绘图，我建议使用seaborn。 Word cloud也会很整洁。