中文词频统计

Posted 056林锋

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,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。

#载入短片小说并转换成utf-8编码
import jieba
txt=open(西游记.txt,r,encoding=UTF-8).read()
words=list(jieba.cut(txt))

#除去语法词汇
dic={}
exp={,,,,,,,!,?}
keys=set(words)-exp

# 创建计数字典
for i in keys:
    if len(i)>1:
        dic[i]=words.count(i)
la=list(dic.items())
la.sort(key=lambda x:x[1],reverse=True)#排序

#输出前词频前20的效果
for i in range(20):
    print(la[i])

 

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