中文词频统计 （9.27）

1、下载一中文长篇小说，并转换成UTF-8编码。

2、使用jieba库，进行中文词频统计，输出TOP20的词及出现次数。

3、排除一些无意义词、合并同一词。

4、对词频统计结果做简单的解读。

import jieba
txt=open('呆梨.txt','r').read()
for i in '''.,？“”''':
    txt=txt.replace(i,'')
words=list(jieba.cut(txt))

exc={'了','么','只','不','她','是'}
dic={}
keys=set(words)
keys=keys-exc
for w in keys:
    dic[w]=words.count(w)

wc = list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)

for w in range(20):
    print(wc[w])

结果如下：

用循环方法：

import jieba
txt=open('呆梨.txt','r').read()
for i in '''.:？''':
    txt=txt.replace(i,'')
words=list(jieba.cut(txt))


dic={}
for w in words:
    if len(w)==1:
        continue
    else:
        dic[w]=dic.get(w,0)+1
        
wc = list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)

for w in range(20):
    print(wc[w])

结果如下：