基于统计词频分析图书馆采购书籍方向（朴素版）

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。