中文词频统计

柔光的暖阳◎ 2021-12-17 08:37 278阅读 0赞

作业要求来自： [https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773][https_edu.cnblogs.com_campus_gzcc_GZCC-16SE2_homework_2773]

中文词频统计

1. 下载一长篇中文小说。

《倚天屠龙记》

2. 从文件读取待分析文本。

3. 安装并使用jieba进行中文分词。

pip install jieba

import jieba

ljieba.lcut(text)

4. 更新词库，加入所分析对象的专业词汇。

jieba.add\_word('天罡北斗阵')  \#逐个添加

jieba.load\_userdict(word\_dict)  \#词库文本文件

5. 生成词频统计

6. 排序

7. 排除语法型词汇，代词、冠词、连词

8. 输出词频最大TOP20，把结果存放到文件里

9. 生成词云。

代码如下：
    
    from wordcloud 
    import WordCloudimport matplotlib.pyplot as plt
    import jieba
    
    
    article = open('yt.txt',encoding='UTF-8').read()
    dele = {'。','！','？','的','“','”','（','）',' ','》','《','，'}
    jieba.add_word('张无忌')
    words = list(jieba.cut(article))
    articleDict = {}
    articleSet = set(words)-dele
    for w in articleSet:    
    if len(w)>1:        
    articleDict[w] = words.count(w)
    
    articlelist = sorted(articleDict.items(),key = lambda x:x[1], reverse = True)
    
    cut_text = " ".join(words)
    'print(cut_text)'
    
    mywc = WordCloud().generate(cut_text)
    plt.imshow(mywc)plt.axis("off")
    plt.show()
    '''
    for i in range(20):    
    print(articlelist[i])
    import pandas as pd
    pd.DataFrame(data=articlelist).to_csv('test.csv',encoding='UTF-8')
    
    
    运行结果：

![1483611-20190318174140291-409256403.png][]

**词云：**

![1483611-20190318174215447-979201356.png][]

转载于:https://www.cnblogs.com/timchan/p/10553673.html

[https_edu.cnblogs.com_campus_gzcc_GZCC-16SE2_homework_2773]: https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773
[1483611-20190318174140291-409256403.png]: /images/20211217/d9a5449645964cb69032b9f125f29f5e.png
[1483611-20190318174215447-979201356.png]: /images/20211217/6bd401217bdd49bb97c5c477ffcc96af.png