使用Python统计日本核污染水排海话题的词频

一、前期准备

1.将以下文章内容复制拷贝到到word：

日本正式启动核污染水排海，海鲜还能吃吗？ (qq.com)https://mp.weixin.qq.com/s/R3_D0K4O7l-HLasEcg1TgQ

2.安装依赖包：

python-docx、jieba、pandas

二、Python代码

import docx
import jieba
from collections import Counter
import pandas as pd

'''
1.读取docx文件
Document对象：一个docx文件
paragraphs对象：每个段落
text对象：文本
'''
doc = docx.Document(r"C:\Users\Wendy\Desktop\python.docx")
content = "".join([para.text for para in doc.paragraphs])

'''
2.将doc内容按中文标点符号划分
'''
seg_list = jieba.cut(content,cut_all=False)   # 把句子按字词标点符号分开
seg_list = [word for word in seg_list if len(word)>1]  # 把标点符号过滤掉，只保留字词

'''
3.统计词频
'''
counter = Counter(seg_list)
# print(type(counter))  # counter class迭代器
# for key,count in counter.items():
#     print(key,count)

'''
4.把counter转换为df，按词频高低排序
'''
df = pd.DataFrame(counter.items(),columns=["word","count"])
df = df.sort_values(by="count",ascending=False,ignore_index=True)
print(df.head(10))

结果如图：