中文詞頻統計與詞云生成

作業來自：

中文詞頻統計

2. 從檔案讀取待分析文字。

3. 安裝並使用jieba進行中文分詞。

pip install jieba

import jieba

jieba.lcut(text)

4. 更新詞庫，加入所分析物件的專業詞彙。

jieba.add_word('天罡北斗陣')  #逐個新增

jieba.load_userdict(word_dict)  #詞庫文字檔案

轉換**：scel_to_text

5. 生成詞頻統計

6. 排序

7. 排除語法型詞彙，代詞、冠詞、連詞等停用詞。

stops

tokens=[token for token in wordsls if token not in stops]

8. 輸出詞頻最大top20，把結果存放到檔案裡

9. 生成詞云。

import

jieba
import
pandas as pd
from wordcloud import
wordcloud
import
matplotlib.pyplot as plt
from scipy.misc import
imread
defgetnumber(x):
y=x[1]
return
yfile=open(r'
f:\hongloumeng.txt
','r
',encoding='
utf-8
').read()
ss="
，。；！？」「\n
"for i in
ss: file=file.replace(i,'')#
新增詞庫
jieba.load_userdict(r'
f:\scel\text\紅樓夢【官方推薦】.txt')
#分詞cun=jieba.lcut(file)
#cun = set(jieba.lcut(file))
#讀取停用詞檔案
fe=open(r'
f:\stops_chinese.txt
','r
',encoding='
utf-8
').read()
stops=fe.split('\n'
)tokens=[token for token in cun if token not
instops]
dis={}
for j in
tokens:
if j not
indis:
dis[j] = 1
else
: dis[j] = dis[j]+1words_list =list(dis.items())
words_list.sort(key=getnumber , reverse=true)
#輸出前20
for k in range(20):
print
(words_list[k])
#儲存為csv檔案
pd.dataframe(data=words_list).to_csv(r'
f:\hlm.csv
',encoding='
utf-8')
#讀入im = imread(r'
#顯示詞云
詞云：
 
中文詞頻統計與詞云生成
中文詞頻統計 追風箏的人 txt 2.從檔案讀取待分析文字。3.安裝並使用jieba進行中文分詞。pip install jieba import jieba jieba.lcut text 4.更新詞庫，加入所分析物件的專業詞彙。jieba.add word 天罡北斗陣 逐個新增 jieba.lo...
中文詞頻統計與詞云生成
中文詞頻統計 作業連線 2.從檔案讀取待分析文字。3.安裝並使用jieba進行中文分詞。pip install jieba import jieba jieba.lcut text 4.更新詞庫，加入所分析物件的專業詞彙。jieba.add word 天罡北斗陣 逐個新增 jieba.load us...
中文詞頻統計與詞云生成
2.從檔案讀取待分析文字。3.安裝並使用jieba進行中文分詞。pip install jieba import jieba jieba.lcut text 4.更新詞庫，加入所分析物件的專業詞彙。jieba.add word 天罡北斗陣 逐個新增 jieba.load userdict word ...