首页 > 其他分享> 文章详细

中文词频统计

2019-03-18 20:48:26 阅读：292 来源： 互联网

标签：中文 plt jieba wordcloud 词频 file import 词云统计

该作业要求来自于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773

中文词频统计

1. 下载一长篇中文小说。

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

参考词库下载地址：https://pinyin.sogou.com/dict/

转换代码：scel_to_text

5. 生成词频统计

6. 排序

7. 排除语法型词汇，代词、冠词、连词等停用词。

stops

8. 输出词频最大TOP20，把结果存放到文件里

9. 生成词云。

安装词云：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple wordcloud

下载安装：下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

安装找到下载文件的路径 pip install wordcloud-1.5.0-cp37-cp37m-win_amd64.whl

配置：

在WordCloud安装的目录下找到WordCloud.py文件，对源码进行修改。

编辑wordcloud.py，找到FONT_PATH，将DroidSansMono.ttf修改成msyh.ttf。这个msyh.ttf表示微软雅黑中文字体。

在同一个目录下放置msyh.ttf字体文件供程序调用（字体可以在C:\Windows\Fonts复制）

使用：

1、引入模块

from wordcloud import WordCloud

import matplotlib.pyplot as plt

2、导入文本

准备生成词云的文本word_text =' '.join(wordlist) #是以空格分隔的字符串

4、生成词云

mywc = WordCloud().generate(wl_split)

5、显示词云

plt.imshow(mywc)

plt.axis("off")

plt.show()

# coding=utf-8
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
#打开文件
def open_file():
    file=open("两会报告.txt","r",encoding="utf-8");
    f=file.read();
    file.close();
    return f;

#分割文件
def cut_file(file):
    stopwords = stopwordslist("stops_chinese1.txt");
    for r in stopwords:
        file = file.replace(r, "");
    j=jieba.lcut(file);
    return j;

#统计词频
def count_word(l,f):
    d={};
    for i in l:
        if len(i)==1:
            l.remove(i);
        else:
            d[i] = f.count(i);
    d=sorted(d.items(),reverse=True,key=lambda d:d[1]);
    for index in range(20):
        print(d[index]);
    return d;

#生成词云
def get_wordcloud(f):
    wl_split = " ".join(f);
    mywc =WordCloud().generate(wl_split);
    plt.imshow(mywc);
    plt.axis("off");
    plt.show();

# 创建停用词list
def stopwordslist(filepath):
    stopwords = [line.strip() for line in open(filepath, 'r', encoding='utf-8').readlines()]
    return stopwords;

#主函数
def main():
    f=open_file();
    l= cut_file(f);
    count_word(l,f);
    get_wordcloud(f);

main();

标签：中文,plt,jieba,wordcloud,词频,file,import,词云,统计
来源： https://www.cnblogs.com/bufengdianbuchengmo/p/10554755.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

中文词频统计