中文词频统计
1. 下载一长篇中文小说。
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TOP25,把结果存放到文件里
9. 生成词云。
代码:
import jieba if __name__ == '__main__': #导入文章文本 tk = open('duo3.txt','r',encoding='utf-8').read() stop = open('stop.txt','r',encoding='utf-8').read() #Z中文分词 wordsls = jieba.lcut(tk) #导入词汇 jieba.load_userdict('duoluo.txt') jieba.add_word('古月娜') #生成字典 wcdict = {} for word in wordsls: if len(word)==1: continue else: wcdict[word]= wcdict.get(word,0)+1 #排序 wcls = list(wcdict.items()) wcls.sort(key = lambda x:x[1],reverse=True) #输出前二十五词 for i in range(25): print(wcls[i]) from wordcloud import WordCloud import matplotlib.pyplot as plt mywc = WordCloud().generate(wcls) plt.imshow(mywc) plt.axis("off") plt.show()
结果截图
生成词云: