文字カウント 文書内の単語数、文字数、段落数、行数をカウントします。 単語数は、ウィンドウ下部のステータスバーにも表示されます。 が、ステータスバーには［文字数］となっていますね。 文字カウントウィンドウには、以下の内容が表示されています。 ページ数• 単語数• 文字数（スペースを含めない）• 文字数（スペースを含める）• 段落数• 半角英数の単語数• ポップヒントではなく、ステータスバーの表記が間違っているようです。 日本語の選択 日本語の部分だけを選択して、［文字カウント］を表示させると、［単語数］と［文字数］が同じです。
次の
・範囲選択（BOX選択を含む）している場合は選択範囲内で数えます。 ・全角文字，半角文字，空白，タブ，改行記号のカウントの仕方を設定できます。 ・指定された特定の文字や語数をカウントします。 正規表現やあいまい検索も使用できます。 ・漢字，ひらがな，カタカナ，英単語，漢字熟語，ＵＲＬ，ファイル名なども数えます。 ユニコードでの指定も可能です。 ・その他任意の文字列や文字種をメニューに追加できます。 ・ユニコード特有文字も数えます。 【今回の変更点】 フォルダ内の全ファイルについてカウントする機能を追加しました。 ユニコード関係の若干の不具合を修正しました。 00 以上が必要です。
次の
はじめに テーブルデータを扱っていると、ときどき「備考」のようなカラムがあります。 このようなカラムには文章が入っていることが多く、分析しにくいのですが、ますはどんな単語が入っているか、特徴的な単語があるかといった観点でアプローチすることがあると思います。 ここでは英単語をスペースと改行分割して単語に分割し、出現回数をカウントします。 7 手順 データ準備 せっかくなので単語が沢山入っているデータを使います。 から夏目漱石の「坊つちやん」の英語版テキストをダウンロードします。 このサイトはパブリックドメインの小説などを電子化して収集しているサイトです。 プロジェクト・グーテンベルク（Project Gutenberg、略称PG）は、著者の死後一定期間が経過し、（アメリカ著作権法下で）著作権の切れた名作などの全文を電子化して、インターネット上で公開するという計画。 1971年創始であり、最も歴史ある電子図書館。 印刷の父、ヨハネス・グーテンベルクの名を冠し、人類に対する貢献を目指している。 出典：Wikipedia-プロジェクト・グーテンベルク にアクセスし、「Plain Text UTF-8」をクリックしzipファイルをダウンロードします。 解凍して中に入っていたファイルは botchan. txtとリネームしました。 単語カウント 単語のカウントは以下のコードで データ読み込み------------------------- ファイルを開く with open 'botchan. split : 単語をキーとして値に1を足していく。 items ] d. sort d. reverse 標準出力------------------------- for count , word in d [: 100 ]: print count , word 以下は出力 2480 the 1661 I 1427 to 1254 and 1237 of 1175 a 732 was 720 in 495 it 459 that 431 my 414 with 398 he 397 not 396 is 366 as 347 for 335 be 333 but 297 at 293 on 285 or 284 you 281 me 281 had 255 would 245 The 243 his 231 this 226 have 224 by 193 one 190 so 186 if 177 they 177 Red 171 from 166 all 160 about 145 were 139 no 137 him 136 there 134 like 134 are 122 out 118 when 116 which 115 Shirt 113 up 113 do 111 we 111 them 111 If 108 been 106 could 103 such 103 Porcupine 101 did 99 said 97 she 97 He 96 who 96 get 96 an 95 any 93 what 92 It 91 may 90 will 88 some 86 should 85 more 80 their 78 old 77 Project 76 than 75 only 75 her 73 going 73 go 71 make 69 two 69 But 68 school 67 house 67 asked 66 teacher 66 other 66 am 63 three 63 might 63 made 62 thought 62 me. 62 come 61 your 60 room 60 into 59 told グラフ化してみました。 import matplotlib. bar x , y plt. xlim - 1 , 100 plt. show 品詞で分類していないので、動詞や名詞など入り乱れています。 出現回数上位は冠詞やbe動詞、多義をもつ動詞です。 有意と思えるものは 177, Red 、 115, Shirt 、 103, Porcupine 、 77, Project 、 68, school 、 66, teacher こんなところでしょうか。 によると、登場人物に「赤シャツ」なる人物がいます。 Porcupineはヤマアラシという動物です（下画像 出典Wikipedia-Porcupine）。 登場人物に「山嵐」と呼ばれている数学教師がいます。 主人公である坊ちゃんは、教師なのでteacherとschoolが出てくるのもわかります。 ProjectはProject Gutenbergが引っかかっており、前処理をしていないために、本文以外に記載されているメタ的な情報も現れています。 追記 さんにご指摘いただきました。 単語カウントの部分は collections. Counterでも同じことができます。 Counter data. おわりに 今回は単純な単語カウントを行いました。 実際はデータから不要な文章を削除したり、記号を削除したり、小文字に統一したりまだまだ必要な処理があります。
次の