中文词频统计
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。
import jieba txt=open('test.txt','r',encoding='utf-8').read() words=list(jieba.cut(txt)) print(txt) 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])
运行结果为: