中文词频统计

Posted 袁颖琳

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了中文词频统计相关的知识,希望对你有一定的参考价值。

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

3)输出TOP20的词及出现次数

4)排除一些无意义词、合并同一词

import jieba
txt = open(\'A.txt\',\'r\',encoding=\'utf-8\').read()#转换成UTF-8编码
words = list(jieba.cut(txt))

exp={}
keys=set(words)

dic={}
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])#输出TOP20的词及出现次数
    
print(list(jieba.cut(txt)))

print(list(jieba.cut_for_search(txt)))

print(list(jieba.cut(txt,cut_all=True)))

结果如下图所示:

 

 

以上是关于中文词频统计的主要内容,如果未能解决你的问题,请参考以下文章

Spark编程实战-词频统计

Spark编程实战-词频统计

中文词频统计

中文词频统计

中文词频统计

Python 分词后词频统计