中文词频统计

Posted 2020-10-09 李庆

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。

4.对词频统计结果做简单的解读。

代码如下：

import jieba

txt = open(\'aaa.txt\',\'r\',encoding = \'utf-8\').read()
words = list(jieba.cut(txt))

exp = {\'，\',\' \',\'“\',\'”\',\'。\',\'、\',\'\\n\',\'；\'}

dic = {}
keys = set(words)
keys = keys-exp
print(keys)

for w in keys:
    dic[w]=words.count(w)

wc = list(dic.items())
wc.sort(key=lambda x:x[1],reverse = True)

for i in range(20):
    print(wc[i])

运行结果：