中文词频统计
1. 下载一长篇中文小说。
2. 从文件读取待分析文本。
3. 安装并使用jieba进行中文分词。
pip install jieba
import jieba
ljieba.lcut(text)
4. 更新词库，加入所分析对象的专业词汇。
jieba.add_word(‘天罡北斗阵‘) #逐个添加
jieba.load_userdict(word_dict) #词库文本文件
参考词库下载地址：https://pinyin.sogou.com/dict/
转换代码：scel_to_text
5. 生成词频统计
6. 排序
7. 排除语法型词汇，代词、冠词、连词等停用词。
stops
8. 输出词频最大TOP20，把结果存放到文件里
9. 生成词云。
安装词云：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple wordcloud
下载安装：下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud
安装 找到下载文件的路径 pip install wordcloud-1.5.0-cp37-cp37m-win_amd64.whl
配置：
在WordCloud安装的目录下找到WordCloud.py文件，对源码进行修改。
编辑wordcloud.py，找到FONT_PATH，将DroidSansMono.ttf修改成msyh.ttf。这个msyh.ttf表示微软雅黑中文字体。
在同一个目录下放置msyh.ttf字体文件供程序调用（字体可以在C:WindowsFonts复制）
使用：
1、引入模块
from wordcloud import WordCloud
import matplotlib.pyplot as plt
2、导入文本
准备生成词云的文本word_text =‘ ‘.join(wordlist) #是以空格分隔的字符串
4、生成词云
mywc = WordCloud().generate(wl_split)
5、显示词云
plt.imshow(mywc)
plt.axis("off")
plt.show()
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
txt=open(r‘stops_chinese1.txt‘,‘r‘,encoding=‘utf-8‘).read()
wcdict1=[line.strip() for line in open(‘stops_chinese2.txt‘,encoding=‘utf-8‘).readlines()]
jieba.load_userdict(wcdict1)
wordsls = jieba.lcut(txt)
wcdict = {}
for word in wordsls:
if word not in wcdict1:
if len(word)==1:
continue
else:
wcdict[word]=wcdict.get(word,0)+1
wails=list(wcdict.items())
wails.sort(key=lambda x:x[1], reverse=True)
cut_text = " ".join(wordsls)
‘print(cut_text)‘
mywc = WordCloud(font_path = ‘msyh.ttf‘).generate(cut_text)
plt.imshow(mywc)
plt.axis("off")
plt.show()
for i in range(20):
print(wails[i])
效果图：
