中文词频统计及词云制作

1.中软国际华南区技术总监曾老师还会来上两次课,同学们希望曾老师讲些什么内容?(认真想一想回答)

      希望曾老师能讲下Python的主要运用领域以及未来就业的方向。

2.中文分词

  1. 下载一中文长篇小说,并转换成UTF-8编码。
  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. **使用wordcloud库绘制一个词云。                                                                                                      
  5. import jieba
    book=open('尸语者2.txt','w')
    book.write(''')
    book = "尸语者2.txt"
    txt = open(book,"r",encoding='utf-8').read()
    
    ex = {'法医','师父','尸体','尸语者'}
    
    words = jieba.lcut(txt)
    counts = {}
    for word in words:
        if len(word) == 1:
            continue
        else:
            counts[word] = counts.get(word,0)+1
    
    for word in ex:
        del(counts[word])
        
    items = list(counts.items())
    items.sort(key = lambda x:x[1], reverse = True)
    for i in range(10):
        word , count = items[i]
        print ("{:<10}{:>5}".format(word,count))

     

posted @ 2017-09-25 11:24  21黄玺恒  阅读(165)  评论(0编辑  收藏  举报