码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-29 16:50:27      阅读:154      评论:0      收藏:0      [点我收藏+]

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。

技术分享

 

 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。

中文词频统计

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

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!