中文词频统计与词云生成

2019-03-23 12:49:51 阅读：688 来源： 互联网

本次作业要求来自于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2822

中文词频统计

1. 下载一长篇中文小说。

2-7：

# 从文件读取待分析文本
with open(r'D:\\学习\\明朝那些事儿.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 使用jieba进行中文分词
import jieba
# 先更新词库，加入所分析对象的专业词汇，然后进行分词
jieba.load_userdict(r'D:\\学习\\text\\明朝那些事儿(词库).txt')
textCut = jieba.lcut(text)

# 排除语法型词汇，代词、冠词、连词等停用词
with open(r'D:\\学习\\stops_chinese.txt', 'r', encoding='utf-8') as f:
    stops = f.read().split('\n')
tokens = [token for token in textCut if token not in stops]

# 将文本转化为集合
words_set = set(tokens)
# 存入字典
words_dict = {}
for w in words_set:
    words_dict[w] = tokens.count(w)
# 字典转换成列表对词语进行词频排序
words_sort = list(words_dict.items())
words_sort.sort(key=lambda x: x[1], reverse=True)
# print(words_sort)
for w in words_sort:
    print(w)

运行结果示例：

8. 输出词频最大TOP20，把结果存放到文件里

import pandas as pd
pd.DataFrame(data=words_sort).to_csv(r'D:\\学习\\明朝那些事儿.csv',encoding='utf-8')

运行示例得到：

通过csv文件得出TOP20图表：

9. 生成词云。

# 插入空格把词语分开
wl_split=' '.join(tokens)
# 调用generate()方法生成词云
from wordcloud import WordCloud
mywc = WordCloud().generate(wl_split)
# 显示词云
import matplotlib.pyplot as plt
plt.imshow(mywc)
plt.axis("off")
plt.show()

运行示例，得出词云：

标签：sort,中文,plt,词云,words,import,词频
来源： https://www.cnblogs.com/me-zzy/p/10581152.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

中文词频统计与词云生成