中文词频统计
Posted LauSir
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。
下载一长篇中文文章。
从文件读取待分析文本。
news = open(\'gzccnews.txt\',\'r\',encoding = \'utf-8\')
安装与使用jieba进行中文分词。
pip install jieba
import jieba
list(jieba.lcut(news))
生成词频统计
排序
排除语法型词汇,代词、冠词、连词
输出词频最大TOP20
# -*- coding : UTF-8 -*- # -*- author : Kamchuen -*- import jieba exclude = {\',\',\'、\',\':\',\'《\',\'》\',\'(\',\')\',\'。\',\'-\'} txt = open(\'西游记.txt\',\'r\',encoding=\'utf-8\') article0 = txt.read() article1 = list(jieba.lcut(article0)) symbol = {\',\',\'。\',\' \',\':\',\'“\',\'”\',\'\\n\',\'!\',\'、\',\'?\',\';\'\'你\',\' \',\'我\',\'我们\', \'他\', \'他们\', \'我的\', \'他的\', \'你的\', \'呀\', \'和\', \'是\',\'的\',\'啊\',\'?\',\'在\',\'了\',\\ \'说\',\'去\',\'与\',\'不\',\'是\',\'、\',\'也\',\'又\',\'!\',\'着\',\'儿\',\'这\',\'到\',\'就\', \'\\n\',\'(\',\')\',\'那\',\'有\',\'上\',\'便\',\'和\',\'只\',\'要\',\'小\',\'罢\',\'那里\',\\ \'…\',\'一个\',\'?\',\'人\',\'把\',\'被\'} article2 = {} for a in article1: article2[a] = article2.get(a,0)+1 for b in symbol: if b in article2: del article2[b] article3 = sorted(article2.items(),key=lambda x:x[1],reverse=True) for c in range(20): print(article3[c])
结果截图:
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