python中文词频统计_Python中文词频统计

以下是关于小说的中文词频统计

这里有三个文件,分别为novel.txt、punctuation.txt、meaningless.txt。

这三个是小说文本、特殊符号和无意义词

Python代码统计词频如下:

import jieba # jieba中文分词库

# 从文件读入小说

with open('novel.txt', 'r', encoding='UTF-8') as novelFile:

novel = novelFile.read()

# 将小说中的特殊符号过滤

with open('punctuation.txt', 'r', encoding='UTF-8') as punctuationFile:

for punctuation in punctuationFile.readlines():

novel = novel.replace(punctuation[0], ' ')

# 添加特定词到词库

jieba.add_word('凤十')

jieba.add_word('林胖子')

jieba.add_word('黑道')

jieba.add_word('饿狼帮')

# 从文件独处无意义词

with open('meaningless.txt', 'r', encoding='UTF-8') as meaninglessFile:

mLessSet = set(meaninglessFile.read().split('\n'))

mLessSet.add(' ')

novelList = list(jieba.cut(novel))

novelSet = set(novelList) - mLessSet # 将无意义词从词语集合中删除

novelDict = {}

# 统计出词频字典

for word in novelSet:

novelDict[word] = novelList.count(word)

# 对词频进行排序

novelListSorted = list(novelDict.items())

novelListSorted.sort(key=lambda e: e[1], reverse=True)

# 打印前20词频

topWordNum = 0

for topWordTup in novelListSorted:

if topWordNum == 20:

break

print(topWordTup)

topWordNum += 1

# 打印记录:

# ('杨易', 906)

# ('说道', 392)

# ('一个', 349)

# ('林胖子', 338)

# ('知道', 295)

# ('和', 218)

# ('心里', 217)

# ('已经', 217)

# ('没有', 217)

# ('这个', 206)

# ('有点', 198)

# ('道', 195)

# ('徐明', 194)

# ('就是', 192)

# ('看', 191)

# ('走', 185)

# ('有', 178)

# ('上', 176)

# ('好', 176)

# ('来', 170)

相关代码已上传CSDN

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python词频统计和词云图制作是文本分析中常见的技术手段。通过这些方法,我们可以分析一篇文章、一本书甚至是整个文献库中词语的出现频率,并通过词云图的形式直观地展示出来。 对于《三国演义》这部经典小说,我们首先需要将文本进行处理。可以使用Python中的符串处理和正则表达式库来去除文本中的标点符号和特殊符,然后将文本分成一个个的词语。接下来,我们可以使用Python中的典来计词语的出现频率。遍历整个文本,将每个词语作为典的键,出现的次数作为对应的值。这样我们就可以得到每个词语在文本中的词频。 当我们得到词频统计结果后,可以进一步使用Python中的词云库来生成词云图。词云图是一种基于词语出现频率绘制的图形,通常使用不同大小、颜色的体来展示词语的重要程度。可以根据词频的大小,设置体的大小,越高的词频对应的体越大。同时,也可以根据需要设置一些形状和颜色的参数来调整词云图的显示效果。 在生成词云图后,我们可以通过词云图来直观地观察《三国演义》中常出现的主题词或人物名称。通过词云图,我们可以更快速地了解整个文本的重点内容,并从中发现一些潜在的规律和特点。 总之,Python词频统计和词云图技术提供了一种可视化分析文本的方法,对于理解文本的主题和特征非常有帮助。在处理《三国演义》这样的经典小说时,这些技术可以帮助我们更深入地探索其中的故事和人物。 ### 回答2: Python是一种功能强大的编程语言,提供了许多库和工具,可以用来进行各种文本分析任务,包括词频统计和生成词云图。 要进行三国文本的词频统计和生成词云图,首先需要获取三国小说的文本数据。可以在网上到三国小说的文本文件,并使用Python进行读取和处理。一种常见的做法是使用`open()`函数打开文本文件,然后使用`.read()`方法读取文本内容。 读取文本内容后,可以使用Python中的符串函数和正则表达式对文本进行处理。可以将文本转换为小写母,去除标点符号和数等无关符,以便进行词频统计。 接下来,可以使用Python中的典数据结构来进行词频统计。遍历文本中的每个单词,将其添加到典中,并计单词出现的次数。如果单词已存在于典中,则将其对应的值加1;如果单词不存在,则将其添加到典中,并将值设置为1。 完成词频统计后,可以使用Python中的词云库,例如`wordcloud`库,来生成词云图。可以使用典中的单词和对应的频率作为输入数据,然后调用库中的函数生成词云图。可以设置词云的大小、颜色、形状等参数,以满足个人需求。 最后,可以使用`matplotlib`库将生成的词云图显示出来或保存为图片文件。可以调整图像的大小、颜色、背景等属性,以获得更好的可视化效果。 通过上述步骤,我们可以使用Python进行三国文本的词频统计并生成词云图,从而更好地理解三国故事中的重要词汇和主题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值