中文词频统计及词云制作

Posted 2020-10-08 素欣

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）

大数据能否用于机动化检测以及分析其数据

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。

import jieba
fr=open("复活.txt",\'r\',encoding=\'utf-8\')
s=list(jieba.cut(fr.read()))
exp={\'，\',\'\\n\',\'.\',\'。\',\'”\',\'“\',\'：\',\'…\',\' \',\'？\'}
key=set(s)-exp
dic={}
for i in key:
    dic[i]=s.count(i)
wc=list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(wc[i])
fr.close()

import jieba
fr=open("复活.txt",\'r\',encoding=\'utf-8\')
s=list(jieba.cut(fr.read()))
key=set(s)
dic={}
for i in key:
    if len(i)>1:
        dic[i]=s.count(i)
wc=list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(wc[i])
fr.close()