概述

词频统计是指统计一个字符串中，出现了多少个单词以及这些单词出现的次数。该算子一般接在分词算子后面，用以统计分词后各个单词的出现次数。

输入

参数	子参数	参数说明
inputs	dataframe	inputs为字典类型，dataframe为pyspark中的DataFrame类型对象，一般为分词后的结果。

输出

参数	子参数	参数说明
output	output_port_1	output为字典类型，output_port_1为pyspark中的DataFrame类型对象，为词频统计的结果。

参数说明

参数	是否必选	参数说明	默认值
doc_id	是	文章id	“id”
doc_content	是	文章内容（分词后的字段名）	“segment”
delimiter	否	单词之间的分隔符	” “

样例

数据样本

id,segment
doc001,词频统计 是指 统计 一个 字符串 中 ， 出现了 多少 个 单词 以及 这些 单词 出现 的 次数 。

配置流程

运行流程

参数设置

结果查看

id,word,count
doc001,的,1
doc001,词频统计,1
doc001,一个,1
doc001,出现了,1
doc001,，,1
doc001,个,1
doc001,出现,1
doc001,多少,1
doc001,。,1
doc001,单词,2
doc001,统计,1
doc001,次数,1
doc001,这些,1
doc001,以及,1
doc001,中,1
doc001,是指,1
doc001,字符串,1

父主题： 文本

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家