基于统计词频分析图书馆采购书籍方向（朴素版）
(点击上方Python爱好者社区，可快速关注)
作者：王大伟
博客专栏：https://www.hellobi.com/u/wangdawei/articles
Python爱好者社区 唯一小编
前言
这个故事的开始是一个师姐（现在是本校图书馆老师）想要看看图书馆的被借过的书和没被借过的书的特征
可能是想为之后图书馆采购书籍做个参考。
于是当师姐找到我时
我欣然接受这个task啦~
首先，她给我两个excel文档
打开是这样的：
不重要和敏感信息已经打码脱敏~
pandas大法好
接下来，就要使用Python中学过的pandas啦~
在使用pandas过程中，感谢@秦路老师和@诛胖土豆的深夜指导！
import pandas as pd
import numpy as np
df=pd.read_excel("被借过的书.xlsx")#如果不是放在jupyter notebook目录里，要加上相应路径df#看看效果我选择jupyter notebook作为IDE 而不是pycharm，就是因为喜欢它的可视化展现和保存执行结果
处理思路：将正题名一列的名字全部合成一条字符串，然后分词。
a=''.join(df['正题名'])#使用join（）方法将df正题名一列名字顺序连接起来放在字符串a中
a#看一下a的内容分词处理
import jieba#导入jieba分词模块，安装和简单使用方法已经在我之前的文章里说过啦~统计词频
思路：建立一个空字典，用jieba的精准模式分词通过key存分出来的词，value存词频，最后打印词和对应词频
wordsall = {} #define return dic
seg_list = jieba.cut(a, cut_all=False)
rowlist = ' '.join(seg_list)
words = rowlist.split(' ')
for word in words:
if word !=' ':
if word in wordsall:
wordsall[word]+=1
else:
wordsall[word] = 1
wordsall = sorted(wordsall.items(), key=lambda d:d[1], reverse = True)
for (word,cut) in wordsall:
print ('%s:' % word,cut)
被借过的书分析结果如下：
没被借过的书分析结果如下：
通过观察可以发现：有与、的等无意义的词也被统计了，管理、经济、中国、研究等词在被借过的书和没被借过的书里都高频出现，说明图书馆有很多类似字样的书，而投资、物流、会计等在被借过的书中高频出现，而报告、产业、国际、现代等词在没被借过的书中高频出现，这为图书馆新采购书提供了一点点点点点点参考。
说到做到，新福利来啦：
关注公众号，在公众号菜单点击"免费听课"，即可参与活动免费听19.9元收费课程，当然，壕大大可以直接购买听课啦。
壕大大入口：https://edu.hellobi.com/course/186，点击文末阅读原文可购买
本次主打课程：
Hellobi Live | 6月6日 自然语言处理之-基于深度学习技术的聊天机器人实现
课程名称：
自然语言处理之-基于深度学习技术的聊天机器人实现
课程背景：
NLP是一个很大的领域，自成一系，本次课程通过一个企业级案例（聊天机器人）带领大家从了解项目场景开始一步步搭建，最后演示聊天机器人实例。通过本课程的学习，让你一举打开NLP的大门。
主讲老师：
Kenny，计算机硕士，曾在某上市公司和世界500强公司分别担任智能算法工程师，高级算法挖掘工程师，具有多年的大数据项目开发实战经验，坚持在代码开发的一线，设计和实现了多个大数据项目。
Kenny博客专栏：https://ask.hellobi.com/blog/KennySayHi
直播时间：
2017年6月6日晚上8点到10点
课程内容:
1、 聊天机器人概括，应用场景，分类，技术发展路线及基于深度学习技术聊天机器人
2、 基于深度学习聊天机器人训练数据收集，清洗
3、 特征工程：文本数据预处理，特征化和数值化后转化为可训练的数据
4、 LSTM组件介绍
5、 Seq2seq算法介绍
6、 Seq2seq模型的优缺点和改进
为大家提供与Python相关的最新技术和资讯。
长按指纹 > 识别图中二维码 > 添加关注