作业要求来自： https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773
中文词频统计
1. 下载一长篇中文小说。
《倚天屠龙记》
2. 从文件读取待分析文本。
3. 安装并使用jieba进行中文分词。
pip install jieba
import jieba
ljieba.lcut(text)
4. 更新词库，加入所分析对象的专业词汇。
jieba.add_word('天罡北斗阵') #逐个添加
jieba.load_userdict(word_dict) #词库文本文件
5. 生成词频统计
6. 排序
7. 排除语法型词汇，代词、冠词、连词
8. 输出词频最大TOP20，把结果存放到文件里
9. 生成词云。
代码如下：
from wordcloud
import WordCloudimport matplotlib.pyplot as plt
import jieba
article = open('yt.txt',encoding='UTF-8').read()
dele = {'。','！','？','的','“','”','（','）',' ','》','《','，'}
jieba.add_word('张无忌')
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')
运行结果：
词云：
