中文词频统计

Posted 2020-10-09 李笑晴

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。

4.对词频统计结果做简单的解读。

import jieba

txt=open("999.txt",\'r\',encoding=\'utf-8\').read()
words=list(jieba.cut(txt))

exp={\',\',\'()\',\'?\',\'。\'}

keys=set(words)-exp

dic={}
for w in keys:
    if len(w)>1:
        dic[w]=words.count(w)

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

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

截图：

分析：在大数据时代，人们利用机器人去分析，计算，规划，决策，可想而知大大提高社会生产效率，体现人工智能进一步影响人们的生活。