十、中文词频统计

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. 对词频统计结果做简单的解读。
    import jieba
    
    stories = open('蜻蜓眼.txt','r',encoding='utf-8').read()
    story=list(jieba.cut(stories))
    
    #不统计单词的集合
    exp = {'一个','一把','一声','一次','一直'}
    
    #键的集合
    keys=set(story)-exp
    
    #写入字典
    dic={}
    
    #单词计数字典
    for s in keys:
        if len(s)>1:
            dic[s]=story.count(s)
    
    #(词组,计数)元组的列表
    sk = list(dic.items())
    
    #列表排序
    sk.sort(key=lambda x:x[1],reverse = True)
    
    #输出TOP20元组
    for i in range(20):
        print(sk[i])

     运行结果如图:

          

统计结果解读:这一章节奶奶与阿梅的出现次数最多,奶奶对油纸伞的喜爱和阿梅对爷爷奶奶的感情贯穿全文。

转载于:https://www.cnblogs.com/Green-/p/7610334.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值