1月9日被誉为中国最牛的产品经理张小龙做了微信的年度演讲[1],引爆朋友圈。
1月10日采铜写了篇《张小龙四个小时的演讲没有讲什么?》[2],又引爆朋友圈。在现在几乎所有人张口就谈“认知升级”、“底层逻辑”等词的时代,这篇文章用数据阐述了张小龙在演讲想表达什么。我觉得特别好玩的是,有很多大家都在说的词,耳朵里听出老茧的词,他一个字都没提。为什么呢?也许他的词典里根本没有这样的词,也许有但是他觉得根本不重要。反正,从这些他没有用的词中,我看到了值得思考的东西。
统计文章的词频,给我提供了一个新的思路,能不能用python统计高频词呢?肯定是可以的。先放出一张最终结果图,有一个更直观的体验。下面就是我们如何一步一步实现这样的过程,Here we go!
这里使用python的jieba库(感谢开发)对中文进行分词。
首先需要安装分词库。打开终端,输入以下命令行。1$ pip install jieba若提示没有安装pip,则自行在网络中搜索pip 并安装。
将演讲(或其他)内容保存复制为report.txt,与py程序文件放在同一文件夹下,在终端运行以下程序[3-6]:1
2
3
4
5
6
7
8
9
10
11
12
13
14from collections import Counter
import jieba # 导入jieba库
f = open('report.txt').read() # 打开report.txt文档
words = list([word for word in jieba.cut(f, cut_all=False) if len(word) >= 2]) # 分词
data = dict(Counter(words).most_common(50)) # 统计词频,并以Dictionary