摘要：
《追风筝的人》.txt2.从文件读取待分析文本。pipinstalljiebaimportjiebajieba.lcut4.更新词库，加入所分析对象的专业词汇。jieba.add_word#逐个添加jieba.load_userdict#词库文本文件参考词库下载地址：https://pinyin.sogou.com/dict/转换代码：scel_to_text5.生成词频统计6.排序7.排除语法型词汇，代词、冠词、连词等停用词。
本次作业来源：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2822
中文词频统计
1. 下载一长篇中文小说。
《追风筝的人》.txt
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
jieba.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
参考词库下载地址：https://pinyin.sogou.com/dict/
转换代码：scel_to_text
5. 生成词频统计
6. 排序
7. 排除语法型词汇，代词、冠词、连词等停用词。
stops
tokens=[token for token in wordsls if token not in stops]
8. 输出词频最大TOP20，把结果存放到文件里
9. 生成词云。
10.
#-*- coding: utf-8 -*- from wordcloud importWordCloud importmatplotlib.pyplot as plt importpandas as pd importjieba defstopwordslist(): stopwords = [line.strip() for line in open('F:stops_chinese.txt', encoding='UTF-8').readlines()] returnstopwords txt = open('cipher.txt', 'r', encoding='utf-8').read() stopwords =stopwordslist() wordsls =jieba.lcut(txt); wcdict ={} for word inwordsls: if word not instopwords: if len(word) == 1: continue else: wcdict[word] = wcdict.get(word, 0) + 1 wcls =list(wcdict.items()) wcls.sort(key=lambda x: x[1], reverse=True) for i in range(20): print(wcls[i]) cut_text = " ".join(wordsls) 'print(cut_text)' mywc =WordCloud().generate(cut_text) plt.imshow(mywc) plt.axis("off") plt.show() pd.DataFrame(data=wcls).to_csv('dldl.csv',encoding='utf-8')