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)

答:展示一些使用python技术进行的实际项目(不违反公司规定下)。

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TOP30的词及出现次数。

import jieba
txt = open("雪中悍刀行.txt","r",encoding='utf-8').read()
a = jieba.cut(txt)
counts = {}

for b in a:
    if len(b) == 1:
        continue
    else:
        counts[b] = counts.get(b,0) + 1
items = list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)

for i in range(30):
    b,count = items[i]
    print("{0:<6}{1:>3}".format(b,count))

 

   3.排除一些词、合并同一词。

import jieba
txt = open("雪中悍刀行.txt","r",encoding='utf-8').read()

ex = {"女子",'袁庭山','江南','仙侠','年轻','丫鬟','武当山','古剑'}
a = jieba.cut(txt)
counts = {}

for b in a:
    if len(b) == 1:
        continue
    else:
        counts[b] = counts.get(b,0) + 1
for a in ex:
    del(counts[a])

items = list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)

for i in range(30):
    b,count = items[i]
    print("{0:<6}{1:>3}".format(b,count))

      4.使用wordcloud库绘制一个词云。

from wordcloud import WordCloud

import matplotlib.pyplot as plt

txt = open('雪中.txt','r',encoding = 'utf-8').read()

mywc = WordCloud().generate(txt)

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

 

转载于:https://www.cnblogs.com/zsc-leo/p/7592375.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