标签：lambda 2gb diy base64 odm dir cte cpu cab
https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2822
中文词频统计
1. 下载一长篇中文小说。
2. 从文件读取待分析文本。
3. 安装并使用jieba进行中文分词。
pip install jieba
import jieba
jieba.lcut(text)
4. 更新词库，加入所分析对象的专业词汇。
jieba.add_word(‘天罡北斗阵‘) #逐个添加
jieba.load_userdict(word_dict) #词库文本文件
参考词库下载地址：https://pinyin.sogou.com/dict/
转换代码：scel_to_text
XiaoShuo = open(r"C:\Users\Administrator\Desktop\青蛙王子.txt",‘r‘,encoding="utf8") xiaoshuo = XiaoShuo.read() XiaoShuo.close() import jieba jieba.add_word(‘小公主‘) text = jieba.lcut(xiaoshuo)
5. 生成词频统计
with open(r"C:\Users\Administrator\Desktop\stops_chinese.txt",‘r‘,encoding="utf8")as f: stops = f.read().split(‘\n‘) tokens = [token for token in text if token not in stops] print(len(tokens),len(text)) cut_text = " ".join(tokens)
6. 排序
ZiDian = {} for str in tokens: if str in ZiDian.keys(): ZiDian[str] = ZiDian[str] + 1 else: ZiDian[str] = 1 ZiDian = sorted(ZiDian.items(),key=lambda x:x[1],reverse=True)
7. 排除语法型词汇，代词、冠词、连词等停用词。
stops
tokens=[token for token in wordsls if token not in stops]
tokens = [token for token in text if token not in stops] print(len(tokens),len(text))
8. 输出词频最大TOP20，把结果存放到文件里
for i in ZiDian[0:20]: print(i)
9. 生成词云。
from scipy.misc import imread im = imread(r‘C:\Users\Administrator\Desktop\guaguagua.jpg‘) mywcl = WordCloud(background_color=‘white‘,mask=im,width=8000,height=4000,margin=2,max_font_size=150,max_words=2000).generate(cut_text) import matplotlib.pyplot as plt plt.imshow(mywcl) plt.axis("off") plt.show() mywcl.to_file(r‘C:\Users\Administrator\Desktop\qingwa.png‘)
标签：lambda 2gb diy base64 odm dir cte cpu cab
原文地址：https://www.cnblogs.com/qiannuohan/p/10579842.html
