作業要求來自： https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773
中文詞頻統計
1. 下載一長篇中文小說。
《倚天屠龍記》
2. 從文件讀取待分析文本。
3. 安裝並使用jieba進行中文分詞。
pip install jieba
import jieba
ljieba.lcut(text)
4. 更新詞庫，加入所分析對象的專業詞匯。
jieba.add_word('天罡北斗陣') #逐個添加
jieba.load_userdict(word_dict) #詞庫文本文件
5. 生成詞頻統計
6. 排序
7. 排除語法型詞匯，代詞、冠詞、連詞
8. 輸出詞頻最大TOP20，把結果存放到文件里
9. 生成詞雲。
代碼如下：
from wordcloud
import WordCloudimport matplotlib.pyplot as plt
import jieba
article = open('yt.txt',encoding='UTF-8').read()
dele = {'。','！','？','的','“','”','（','）',' ','》','《','，'}
jieba.add_word('張無忌')
words = list(jieba.cut(article))
articleDict = {}
articleSet = set(words)-dele
for w in articleSet:
if len(w)>1:
articleDict[w] = words.count(w)
articlelist = sorted(articleDict.items(),key = lambda x:x[1], reverse = True)
cut_text = " ".join(words)
'print(cut_text)'
mywc = WordCloud().generate(cut_text)
plt.imshow(mywc)plt.axis("off")
plt.show()
'''
for i in range(20):
print(articlelist[i])
import pandas as pd
pd.DataFrame(data=articlelist).to_csv('test.csv',encoding='UTF-8')
運行結果：
詞雲：
