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。
- 对词频统计结果做简单的解读。
import jieba q=open('阿Q正传.txt','r',encoding='utf-8').read() q=list(jieba.cut_for_search(q)) zex={',','。','!'} dic={} keys=set(q)-zex#键的集合 for i in keys: if len(i)>1: dic[i]= q.count(i)#单词计数 q=list(dic.items())#字典转换成列表,由元组组成 q.sort(key=lambda x:x[1],reverse=True)#排序 for i in range(20): print(q[i])
-
解读:阿Q是一个生活在革命年代的人。