### Python实现年报TXT文件词频统计并导出至Excel 以下是一个完整的解决方案，用于对年报TXT文件进行词频统计并将结果保存到Excel中。 --- #### 1. 数据读取与预处理 首先需要将TXT文件中的内容加载到程序中，并对其进行必要的清理和分词操作。 ```python import jieba import pandas as pd from collections import Counter # 读取TXT文件 with open('annual_report.txt', 'r', encoding='utf-8') as file: text = file.read() # 加载停用词列表 def load_stopwords(stopwords_path): with open(stopwords_path, 'r', encoding='utf-8') as f: stopwords = set(f.read().splitlines()) return stopwords stopwords = load_stopwords('stopwords.txt') # 对文本进行分词 words = jieba.lcut(text) # 去除停用词 filtered_words = [word for word in words if word not in stopwords and word.strip()] ``` 上述代码实现了以下功能： - 使用`open()`函数读取年报TXT文件的内容[^2]。 - 利用`jieba.lcut()`方法对文本进行精确模式分词[^3]。 - 移除了停用词和空白字符，确保后续统计更加精准。 --- #### 2. 统计词频 通过`collections.Counter`类可以高效地统计每个单词的出现次数。 ```python # 统计词频 word_counts = Counter(filtered_words) # 创建DataFrame存储词频数据 word_freq_df = pd.DataFrame(list(word_counts.items()), columns=['Word', 'Frequency']) # 按照频率降序排列 word_freq_df = word_freq_df.sort_values(by='Frequency', ascending=False).reset_index(drop=True) ``` 这部分代码的功能如下： - 使用`Counter`对象统计每个单词的出现次数。 - 将统计结果转化为Pandas DataFrame以便进一步处理和导出[^1]。 - 按照词频高低对数据进行了排序，方便后续分析[^1]。 --- #### 3. 导出至Excel 最后，将整理好的词频统计数据保存到Excel文件中。 ```python # 导出到Excel output_file = 'word_frequency.xlsx' word_freq_df.to_excel(output_file, index=False, engine='openpyxl') print(f"词频统计已成功导出到 {output_file} 文件中。") ``` 此处的关键点在于： - 使用`to_excel()`方法将DataFrame保存为Excel文件[^1]。 - 参数`index=False`表示不将索引列写入Excel文件中[^1]。 - `engine='openpyxl'`指定了使用的Excel引擎，适用于现代版本的Excel文件格式（`.xlsx`）[^1]。 --- ### 完整代码示例 以下是综合以上各部分的完整代码： ```python import jieba import pandas as pd from collections import Counter # 读取TXT文件 with open('annual_report.txt', 'r', encoding='utf-8') as file: text = file.read() # 加载停用词列表 def load_stopwords(stopwords_path): with open(stopwords_path, 'r', encoding='utf-8') as f: stopwords = set(f.read().splitlines()) return stopwords stopwords = load_stopwords('stopwords.txt') # 对文本进行分词 words = jieba.lcut(text) # 去除停用词 filtered_words = [word for word in words if word not in stopwords and word.strip()] # 统计词频 word_counts = Counter(filtered_words) # 创建DataFrame存储词频数据 word_freq_df = pd.DataFrame(list(word_counts.items()), columns=['Word', 'Frequency']) # 按照频率降序排列 word_freq_df = word_freq_df.sort_values(by='Frequency', ascending=False).reset_index(drop=True) # 导出到Excel output_file = 'word_frequency.xlsx' word_freq_df.to_excel(output_file, index=False, engine='openpyxl') print(f"词频统计已成功导出到 {output_file} 文件中。") ``` --- ### 注意事项 1. **停用词表**：需要准备一份适合中文语境的停用词表（如常见的虚词、助词等），以提升统计效果。 2. **依赖库安装**：运行此代码之前，请确保已经安装所需的第三方库，例如`pandas`, `jieba`, 和`openpyxl`。可通过以下命令安装缺失的库： ```bash pip install pandas jieba openpyxl ``` ---