中文的分詞+詞頻統計


 

下載一長篇中文文章。

從文件讀取待分析文本。

news = open('gzccnews.txt','r',encoding = 'utf-8')

安裝與使用jieba進行中文分詞。

pip install jieba

import jieba

list(jieba.lcut(news))

生成詞頻統計

排序

排除語法型詞匯,代詞、冠詞、連詞

輸出詞頻最大TOP20

 

代碼

import jieba
with open('novel.txt','r',encoding="utf-8") as file:
    novel = file.read()

punctuation = '。,;!?、'
for l in punctuation:
    novel = novel.replace(l,'')

no_list = list(jieba.cut(novel))
dic = dict()
for i in no_list:
    if len(i)!=1:
        dic[i] = novel.count(i)

del_word = { '\n',' '}

for i in del_word:
    if i in dic:
        del dic[i]
dic = sorted(dic.items(),key=lambda x:x[1],reverse = True)
for i in range(20):
    print(dic[i])

 

截圖如下


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM