中文词频统计

最新推荐文章于 2025-08-12 18:06:10 发布

转载最新推荐文章于 2025-08-12 18:06:10 发布 · 129 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/timchan/p/10553673.html

文章标签：

#python

该博客围绕中文词频统计作业展开，以《倚天屠龙记》为例，介绍使用Python进行中文词频统计的步骤，包括从文件读取文本、用jieba分词、更新词库、生成词频统计、排序、排除语法型词汇、输出TOP20结果到文件，最后还提及生成词云。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作业要求来自： 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：