代码改变世界

中文词频统计及词云制作

2017-09-25 20:25  421徐均钧  阅读(164)  评论(0编辑  收藏  举报

1.中软国际华南区技术总监曾老师还会来上两次课,同学们希望曾老师讲些什么内容?

讲下Python的主要运用领域以及未来就业的方向

关于现在网络工程专业就业情况

2.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。
import jieba

book = "武动乾坤.txt"
txt = open(book,"r",encoding='utf-8').read()

exc = {'林动','女子','男子','敌人'}

ls = []
words = jieba.lcut(txt)
counts = {}
for word in words:
    ls.append(word)
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0)+1
for word in exc:
    del(counts[word])   
items = list(counts.items())
items.sort(key = lambda x:x[1], reverse = True)
for i in range(20):
    word , count = items[i]
    print ("{:<10}{:>5}".format(word,count))