中文词频统计与词云生成
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。
ltxz = open(r'F:/ltxz.txt','r',encoding='utf-8').read() wordsls = jieba.lcut(ltxz)
3. 安装并使用jieba进行中文分词。
pip install jieba
import jieba
jieba.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
paixu=list(stayed_line.items()) paixu.sort(key=lambda x:x[1],reverse=True)
7. 排除语法型词汇，代词、冠词、连词等停用词。
stops
a = open(r'F:/stops_chinese.txt','r',encoding='utf-8').read() stops = a.split()
tokens=[token for token in wordsls if token not in stops]
排除：
wordsls = jieba.lcut(ltxz) tokens = [token for token in wordsls if token not in stops]
8. 输出词频最大TOP20，把结果存放到文件里
9. 生成词云。
cut_text = " ".join(tokens) from wordcloud import WordCloud ciyun = WordCloud().generate(cut_text) import matplotlib.pyplot as plt plt.imshow(ciyun) plt.axis("off") plt.show()
词云图：