python分词统计词频_使用Python快速统计关键词及其词频

步骤：

1.通过jieba库分词获取所有的词语列表；

2.计算列表里出现词语及其对应的频次，存储为字典；

3.删除字典中键为无关且频次高的词语的键值对；

4.对字典里的词语按照频次进行排序；

5.输出频次前五的词语及其频次；如果没有安装 jieba 库，需要使用 cmd 进入命令提示符窗口，通过 pip install jieba 进行安装。

源代码如下：

import jieba

file = open("sample.txt", "r", encoding='utf-8') #此处需打开txt格式且编码为UTF-8的文本

txt = file.read()

words = jieba.lcut(txt) # 使用jieba进行分词，将文本分成词语列表

count = {}

for word in words: # 使用 for 循环遍历每个词语并统计个数

if len(word) < 2: # 排除单个字的干扰，使得输出结果为词语

continue

else:

count[word] = count.get(word, 0) + 1 #如果字典里键为 word 的值存在，则返回键的值并加一，如果不存在键word，则返回0再加上1

exclude = ["可以", "一起", "这样"] # 建立无关词语列表

for key in list(count.keys()): # 遍历字典的所有键，即所有word

if key in exclude:

del count[key] # 删除字典中键为无关词语的键值对

list = list(count.items()) # 将字典的所有键值对转化为列表

list.sort(key=lambda x: x[1], reverse=True) # 对列表按照词频从大到小的顺序排序

for i in range(5): # 此处统计排名前五的单词，所以range(5)

word, number = list[i]

print("关键字：{:-<10}频次：{:+>8}".format(word, number))