Compter la fréquence des mots en Python
Dans cette leçon, vous allez normaliser un texte et compter combien de fois chaque mot apparaît avec collections.Counter.
Introduction
Le problème
Quels mots reviennent le plus dans des avis clients, dans un livre ou dans des requêtes de recherche ? Compter à la main est impossible pour de vrais textes, et "Python", "python" et "python." doivent compter comme le même mot.
Imaginez-le ainsi
Compter la fréquence des mots, c'est comme dépouiller des bulletins après un vote. Vous commencez par uniformiser l'écriture des bulletins (minuscules, sans ponctuation), puis vous tracez un bâton à côté d'un nom chaque fois qu'il apparaît. La feuille de pointage désigne le gagnant.
text.lower()🔡 Lire chaque bulletin de la même façonre.findall(r"[a-z]+", ...)✂️ Découper les noms, retirer la ponctuationCounter(words)📊 La feuille de pointage : nom et nombre de bâtonsprint(Counter(words))🏆 Les résultats, en commençant par le plus de bâtonsLa fréquence des mots est le nombre d'apparitions de chaque mot distinct dans un texte, généralement après avoir rendu les mots comparables en les mettant en minuscules et en retirant la ponctuation.
Points clés
text.lower()fait de"Python"et"python"le même mot.re.findall(r"[a-z]+", ...)renvoie toutes les suites de lettres : les points et les espaces disparaissent donc.Counter(words)compte chaque mot et affiche les plus fréquents en premier."python"et"is"apparaissent chacun deux fois dans l'exemple.
Quand l’utiliser ?
- Trouver les mots les plus fréquents dans des avis, des fichiers journaux (logs) ou des réponses à un sondage.
- Une première étape d'analyse de texte et de recherche.
- S'entraîner au nettoyage de texte et à la classe
Counter.
Quand s'en passer
- Les textes dans des langues à lettres accentuées, comme le français ou le vietnamien :
[a-z]+écarte ces caractères, utilisez donc un motif qui gère Unicode. - Une véritable analyse linguistique : il faut aussi regrouper des formes comme run et running, ce qui demande une bibliothèque de traitement automatique des langues (TAL).
Code d’exemple
from collections import Counter
import re
text = "Python is clear. Python is practical."
words = re.findall(r"[a-z]+", text.lower())
print(Counter(words))
Résultat de l’exécution
Counter({'python': 2, 'is': 2, 'clear': 1, 'practical': 1})
Explication du code
L'instruction text.lower() passe tout le texte en minuscules, puis l'expression régulière [a-z]+ ne garde que les suites de lettres et ignore la ponctuation. Counter compte chaque mot en un seul passage et les trie par fréquence décroissante, c'est pourquoi python et is apparaissent chacun 2 fois.
Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.
Exercices d’approfondissement
Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.
- Changez les données d’entrée et prévoyez le résultat avant d’exécuter.
- Ajoutez une vérification pour les données vides ou invalides.
- Placez le traitement dans une fonction séparée et testez-la avec plusieurs jeux de données.
Erreurs fréquentes
Oublier de mettre en minuscules
"Python" et "python" sont comptés comme deux mots différents.
re.findall(r"[a-z]+", text)
re.findall(r"[a-z]+", text.lower())
Leçon terminée ?
Marquez-la comme apprise pour suivre votre progression.
S'entraîner avec un défi
Utilisez le contenu de cette leçon pour résoudre un vrai problème. Chaque défi s'exécute dans le navigateur, avec des tests instantanés et une revue par l'IA.
- Compter les mots Comptez le nombre de mots dans une phrase. Facile
- Fréquence des caractères Comptez combien de fois chaque caractère apparaît. Facile
- Tournament Standings Rank teams from match records. Moyen