中文词频统计

释放双眼,带上耳机,听听看~!

作业要求:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773

1. 下载一长篇中文小说。

 来自红楼梦的一小章内容:

中文词频统计

2. 从文件读取待分析文本。


1
2
1text=open('123.txt','r',encoding='utf-8').read()
2

3. 安装并使用jieba进行中文分词。

pip install jieba

import jieba

jieba.lcut(text)

 


1
2
3
1import jieba
2wordsls=jieba.lcut(text)
3

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

参考词库下载地址:https://pinyin.sogou.com/dict/

转换代码:scel_to_text

词库:

中文词频统计


1
2
3
1worddict1=[line.strip() for line in open('23.txt',encoding='utf-8').readlines()]
2jieba.load_userdict(worddict1)
3

5. 生成词频统计


1
2
3
4
5
6
7
8
9
1wcdict={}
2
3for word in wordsls:
4    if word not in worddict2:(7.排除语法型)
5      if len(word)==1:
6        continue
7      else:
8        wcdict[word]=wcdict.get(word,0)+1
9

6. 排序


1
2
3
1wcls=list(wcdict.items())
2wcls.sort(key=lambda  x:x[1],reverse=True) 
3

7. 排除语法型词汇,代词、冠词、连词等停用词。

文件:

中文词频统计

 

stops


1
2
1worddict2=[line.strip() for line in open('stops_chinese.txt',encoding='utf-8').readlines()]
2

8. 输出词频最大TOP20,把结果存放到文件里


1
2
3
1import pandas as pd
2pd.DataFrame(data=word).to_csv('E:/1234.csv',encoding='utf-8')
3

9. 生成词云。


1
2
3
4
5
6
7
8
9
10
11
1wl_split=" ".join(wordsls)
2
3from wordcloud import WordCloud
4import matplotlib.pyplot as plt
5
6mywc = WordCloud().generate(wl_split)
7
8plt.imshow(mywc)
9plt.axis("off")
10plt.show()
11

10.最总代码总和和截图:


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
1import jieba
2text=open('D://123.txt','r',encoding='utf-8').read()
3
4worddict1=open('D://23.txt','r',encoding='utf-8').read()
5
6worddict2=open('D://stops_chinese.txt','r',encoding='utf-8').read()
7
8wordsls=jieba.lcut(text)
9
10wcdict={}
11
12for word in wordsls:
13    if word not in worddict2:
14      if len(word)==1:
15        continue
16      else:
17        wcdict[word]=wcdict.get(word,0)+1
18
19wcls=list(wcdict.items())
20wcls.sort(key=lambda  x:x[1],reverse=True)
21
22for i in range(25):
23    print(wcls[i])
24
25wl_split=" ".join(wordsls)
26
27from wordcloud import WordCloud
28import matplotlib.pyplot as plt
29
30
31mywc = WordCloud().generate(wl_split)
32
33plt.imshow(mywc)
34plt.axis("off")
35plt.show()
36

中文词频统计

 

给TA打赏
共{{data.count}}人
人已打赏
安全运维

MongoDB最简单的入门教程之三 使用Java代码往MongoDB里插入数据

2021-12-11 11:36:11

安全运维

Ubuntu上NFS的安装配置

2021-12-19 17:36:11

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索