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？

       在工作上一般用python操作什么，python的实际应用之类的，也可以虚拟一个项目来进行实践。

2.中文分词

1. 下载一中文长篇小说，并转换成UTF-8编码。
2. 使用jieba库，进行中文词频统计，输出TOP20的词及出现次数。
3. **排除一些无意义词、合并同一词。
4. **使用wordcloud库绘制一个词云。
   
   

import jieba
 
txt = "茶花女.txt"
book = open(txt,'r',encoding='utf-8').read()
 
words = jieba.lcut(book)
ls = []
counts = {}
for word in words:
    ls.append(word)
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0)+1
 
ex = {'一个','什么','这个','这样','这些','这种','已经','如果','的话'}
for word in ex:
    del(counts[word])
     
items = list(counts.items())
items.sort(key = lambda x:x[1], reverse = True)
for i in range(20):
    word , count = items[i]
    print ("{:<10}{:>5}".format(word,count))

from wordcloud import WordCloud
import matplotlib.pyplot as plt

w=" ".join(words)

wc=WordCloud().generate(w)

plt.imshow(wc)
plt.axis("off")
plt.show()

运行结果：

    可以看出重点角色叫“玛格丽特”，次角“阿尔芒”，线索围绕“女人”、“爱情”。

 

转载于:https://www.cnblogs.com/xings/p/7592778.html