中文词频统计
1. 下载一长篇中文小说。
《倚天屠龙记》
2. 从文件读取待分析文本。
3. 安装并使用jieba进行中文分词。
pip install jieba
import jieba
ljieba.lcut(text)
4. 更新词库,加入所分析对象的专业词汇。
jieba.add_word('天罡北斗阵') #逐个添加
jieba.load_userdict(word_dict) #词库文本文件
5. 生成词频统计
6. 排序
7. 排除语法型词汇,代词、冠词、连词
8. 输出词频最大TOP20,把结果存放到文件里
9. 生成词云。
代码如下:
from wordcloud
import WordCloudimport matplotlib.pyplot as plt
import jieba
article = open('yt.txt',encoding='UTF-8').read()
dele = {'。','!','?','的','“','”','(',')',' ','》','《',','}
jieba.add_word('张无忌')
words = list(jieba.cut(article))
articleDict = {}
articl