中文詞頻統計
1. 下載一長篇中文小說。
三體
2. 從文件讀取待分析文本。
3. 安裝並使用jieba進行中文分詞。
4. 更新詞庫，加入所分析對象的專業詞匯。
import re
import collections
import numpy as np
import jieba
from wordcloud import WordCloud # 詞雲展示庫
from PIL import Image # 圖像處理庫
import matplotlib.pyplot as plt # 圖像展示庫
f=open("三體全集.txt","r",encoding='UTF-8')
text=""
for str in f.readlines():
text=text+str.strip()
f.close()
stop_word=[]
stop_word=open("停用詞.txt","r",encoding='UTF-8').read().split("\n")
f.close()
object_list=[]
jieba.load_userdict("三體詞庫.txt") #加載自定義詞
text_list=jieba.lcut(text)
for i in text_list:
if len(i)!=1:
if i not in stop_word:
object_list.append(i)
word_counts = collections.Counter(object_list) # 對分詞做詞頻統計
word_counts_top10 = word_counts.most_common(20) # 獲取前10最高頻的詞
print (word_counts_top10) # 輸出檢查
wl_split=' '.join(object_list)
mywc = WordCloud().generate(wl_split)
plt.imshow(mywc)
plt.axis("off")
plt.show()
5. 生成詞頻統計
6. 排序
7. 排除語法型詞匯，代詞、冠詞、連詞等停用詞。
8. 輸出詞頻最大TOP20，把結果存放到文件里
9. 生成詞雲。
安裝詞雲：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple wordcloud
下載安裝：下載 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud
安裝 找到下載文件的路徑 pip install wordcloud-1.5.0-cp37-cp37m-win_amd64.whl
配置：
在WordCloud安裝的目錄下找到WordCloud.py文件，對源碼進行修改。
編輯wordcloud.py，找到FONT_PATH，將DroidSansMono.ttf修改成msyh.ttf。這個msyh.ttf表示微軟雅黑中文字體。
在同一個目錄下放置msyh.ttf字體文件供程序調用（字體可以在C:\Windows\Fonts復制）
使用：
1、引入模塊
from wordcloud import WordCloud
import matplotlib.pyplot as plt
2、導入文本
准備生成詞雲的文本word_text =' '.join(wordlist) #是以空格分隔的字符串
4、生成詞雲
mywc = WordCloud().generate(wl_split)
5、顯示詞雲
plt.imshow(mywc)
plt.axis("off")
plt.show()
