中文词频统计
1、下载一中文长篇小说,并转换成UTF-8编码。
import jieba txt=open('阿Q正传.txt','r',encoding='utf-8').read() words=list(jieba.cut(txt)) print(txt)
2、 使用jieba库,进行中文词频统计,输出TOP20的词及出现次数。
3、排除一些无意义词、合并同一词。
4、对词频统计结果做简单的解读。
dic={} for i in words: if len(i)==1: continue else: dic[i]=dic.get(i,0)+1 wc=list(dic.items()) wc.sort(key=lambda x:x[1],reverse=True) print(wc) for i in range(20): print(wc[i])
自始至终以阿Q的活动作为惟一线索,展开故事情节,写出阿Q短暂而可悲的一生。 展现了阿Q的处境,揭示了时代矛盾.太爷出现的多次这一可笑又可悲的情节,突出了阿Q连姓都被剥夺了的屈辱的政治地位,凶残横暴的统治者也粉墨登场了.整个小说的划上浓厚的黑暗色彩.