中文词频统计

 

 

 

中文分词

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
t=open('ghj.txt','r',encoding='utf-8').read()
words=list(jieba.cut(t))

dic={}
for i in words:
    if len(i)==1:
        continue
    else:
        dic[i]=dic.get(i,0)+1

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

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

 

 解读:

向日葵，梵高，没有，爷爷是出现比较多的，讲的应该是爷爷和画向日葵的梵高有关的故事