码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-29 21:15:03      阅读:167      评论:0      收藏:0      [点我收藏+]

标签:else   coding   highlight   span   lis   pre   list   9.png   ima   

  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
fo=open(shuihuzhuan.txt,r,encoding=utf-8)
str=fo.read()
fo.close()

words=list(jieba.cut(str))
dt={}

for i in words:
    if len(i)==1:
       continue
    else:
        dt[i]=dt.get(i,0)+1
   
item=list(dt.items())
item.sort(key=lambda x:x[1],reverse=True)

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

 运行截图

技术分享

 

 

中文词频统计

标签:else   coding   highlight   span   lis   pre   list   9.png   ima   

原文地址:http://www.cnblogs.com/Betty18/p/7612370.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!