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。
import jieba fo=open('meiwen.txt','r',encoding='utf-8') str=fo.read() fo.close() words=list(jieba.cut(str)) dict={} for i in words: if len(i)==1: continue else: dict[i]=dt.get(i,0)+1 item=list(dict.items()) item.sort(key=lambda x:x[1],reverse=True) for i in range(20): print(item[i])
运行结果: