中文词频统计
中文分词
- 下载一中文长篇小说,并转换成UTF-8编码。
- 使用jieba库,进行中文词频统计,输出TOP20的词及出现次数。
- 排除一些无意义词、合并同一词。
- 对词频统计结果做简单的解读。
import jieba txt=open('bbb.txt','r',encoding='utf-8').read() print(txt) words=list(jieba.cut(txt)) exp={',','。','"','、'} keys=set(words)-exp dic={} for w in keys: dic[w]=words.count(w) wc=list(dic.items()) wc.sort(key=lambda x:x[1],reverse = True) for i in range(15): print(wc[i])
-