中文词频统计及词云制作

最新推荐文章于 2024-09-06 10:00:00 发布

转载最新推荐文章于 2024-09-06 10:00:00 发布 · 66 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/elewen/p/7593490.html

本文介绍了一次利用jieba库进行中文分词及词频统计的实践过程，通过对经典文学作品《傲慢与偏见》进行处理，展示了如何统计并输出出现频率最高的前20个词汇。

1.中软国际华南区技术总监曾老师还会来上两次课，同学们希望曾老师讲些什么内容？（认真想一想回答）

大数据具体的生活应用（具体到某个领域，以及其中起到的作用）

2.中文分词

下载一中文长篇小说，并转换成UTF-8编码。
使用jieba库，进行中文词频统计，输出TOP20的词及出现次数。
**排除一些无意义词、合并同一词。

import jieba
fr=open("傲慢与偏见.txt",'r',encoding='utf-8')
s=list(jieba.cut(fr.read()))
exp={'，','\n','.','。','”','“','：','…',' ','？'}
key=set(s)-exp
dic={}
for i in key:
    dic[i]=s.count(i)
wc=list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(wc[i])
fr.close()

import jieba
fr=open("傲慢与偏见.txt",'r',encoding='utf-8')
s=list(jieba.cut(fr.read()))
key=set(s)
dic={}
for i in key:
    if len(i)>1:
        dic[i]=s.count(i)
wc=list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(wc[i])
fr.close()