中文词频统计及词云制作

中文词频统计及词云制作

ZJQ-013

 

中文词频统计及词云制作

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）

python的实际应用，Python的实际操作案例

2.中文分词

A.下载一中文长篇小说，并转换成UTF-8编码

《三体》中的第一章节

B.使用jieba库，进行中文词频统计，输出TOP20的词及出现次数

import jieba
txt = open('三体01.txt','r').read()
words = list(jieba.cut(txt))
dic= {}
keys = set(words)
for i in keys:
    dic[i] = words.count(i)
wc = list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
print("20个出现次数最多的词语：")
for i in range(20):
    print(wc[i])

 

 

C.**排除一些无意义词、合并同一词

 

import jieba
txt = open('三体01.txt','r').read()
exc = {'','\n\n','叶','当','孩儿','最','就','泰','他们','地','对','卫兵','绍','洁','后','们','将','女孩儿','人','已','又','为','的','了','在','她','是','你','他','那','中','都','和','这','也','着','不','但','上','被','说','我','有','一个','没有'}
words = list(jieba.cut(txt,cut_all=True))
dic= {}
keys = set(words)
for i in exc:
    keys.remove(i)
for i in keys:
    dic[i] = words.count(i)
wc = list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
print("20个出现次数最多的词语：")
for i in range(20):
    print(wc[i])

 

D.**使用wordcloud库绘制一个词云

posted on 2017-09-25 21:16  17黄金源 阅读( ...) 评论( ...) 编辑 收藏

转载于:https://www.cnblogs.com/hjyhjy123-/p/7594016.html