统计csv词频_中文词频统计

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