标签:port es2017 技术 统计 主人公 中文 count ima image
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。
import jieba txt=open(‘test.txt‘,‘r‘,encoding=‘utf-8‘).read() words=list(jieba.cut(txt)) exc={‘虽然‘,‘我们‘,‘可是‘,‘自己‘,‘他们‘,‘一个‘,‘那些‘,‘东西‘} keys=set(words) keys=keys-exc dic={}#定义一个空字典 for i in keys: if len(i)==1: continue else: dic[i]=words.count(i) wc=list(dic.items()) wc.sort(key=lambda x:x[1],reverse=True)#排序 for i in range(10): print(wc[i])
4、对词频统计结果做简单的解读。
解读:从上图可以看出《孔乙己》短篇小说的主人公叫孔乙己与酒店的掌柜,文章有侧重于外貌描写,如长衫,样子等词;
主要以对话形式,大部分是说道
发生的地点在酒店里的柜台
消费的产品是茴香豆,孔乙己应该是斤斤计较的人,数过茴香豆是十九个,与掌柜讨价还价希望能打折。
标签:port es2017 技术 统计 主人公 中文 count ima image
原文地址:http://www.cnblogs.com/zhuyinyinyin/p/7609675.html