中文詞頻統計及詞雲制作

1.我希望老師能講一點python在數據挖掘，數據分析領域的應用，最好能舉些實例，或者說帶我們實際操作一波。

2.中文分詞

1. 下載一中文長篇小說，並轉換成UTF-8編碼。
2. 使用jieba庫，進行中文詞頻統計，輸出TOP20的詞及出現次數。
3. **排除一些無意義詞、合並同一詞。
4. **使用wordcloud庫繪制一個詞雲。

import jieba

book = "活着.txt"
txt = open(book,"r",encoding='utf-8').read()

ex = {'有慶','我們','知道','看到','自己','起來'}

ls = []
words = jieba.lcut(txt)
counts = {}
for word in words:
    ls.append(word)
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0)+1

for word in ex:
    del(counts[word])
    
items = list(counts.items())
items.sort(key = lambda x:x[1], reverse = True)
for i in range(10):
    word , count = items[i]
    print ("{:<10}{:>5}".format(word,count))

wz = open('ms.txt','w+')
wz.write(str(ls))

import matplotlib.pyplot as plt
from wordcloud import WordCloud

wzhz = WordCloud().generate(txt)
plt.imshow(wzhz)
plt.show()

輸出結果：

Building prefix dict from the default dictionary ...
Loading model from cache C:\Users\ADMINI~1\AppData\Local\Temp\jieba.cache
Loading model cost 0.723 seconds.
Prefix dict has been built succesfully.
家珍          575
鳳霞          413
二喜          175
隊長          166
什么          151
他們          148
一個          145
看着          115
孩子          114
沒有          113

詞雲顯示結果：