标签:pyplot 小说 字体 jieba axis 字符 ext continue dsa
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
ljieba.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
5. 生成词频统计
6. 排序
7. 排除语法型词汇,代词、冠词、连词等停用词。
stops
8. 输出词频最大TOP20,把结果存放到文件里
9. 生成词云。
安装词云:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple wordcloud
下载安装:下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud
安装 找到下载文件的路径 pip install wordcloud-1.5.0-cp37-cp37m-win_amd64.whl
配置:
在WordCloud安装的目录下找到WordCloud.py文件,对源码进行修改。
编辑wordcloud.py,找到FONT_PATH,将DroidSansMono.ttf修改成msyh.ttf。这个msyh.ttf表示微软雅黑中文字体。
在同一个目录下放置msyh.ttf字体文件供程序调用(字体可以在C:\Windows\Fonts复制)
使用:
1、引入模块
from wordcloud import WordCloud
import matplotlib.pyplot as plt
2、导入文本
准备生成词云的文本word_text =‘ ‘.join(wordlist) #是以空格分隔的字符串
4、生成词云
mywc = WordCloud().generate(wl_split)
5、显示词云
plt.imshow(mywc)
plt.axis("off")
plt.show()
from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba article = open(‘魔法学徒.txt‘,‘r‘, encoding=‘UTF-8‘).read() #打开统计词频文本 stopwords = [] for word in open(‘stops_chinese1.txt‘,‘r‘, encoding=‘UTF-8‘): #导入停用词 stopwords.append(word.strip()) jieba.load_userdict(‘魔法学徒词库.txt‘) #词库文本文件 words=jieba.lcut(article) word_freq = {} #分词 for word in words: if len(word) == 1: continue else: word_freq[word] = word_freq.get(word, 0) + 1 for word in stopwords: #去掉停用词 if word in word_freq.keys(): word_freq.pop(word) freq_word = [] #统计词频 for word, freq in word_freq.items(): freq_word.append((word, freq)) freq_word.sort(key = lambda x: x[1], reverse = True) for i in range(20):#输出词频最大TOP20 print(freq_word[i]) cut_text = " ".join(words) ‘print(cut_text)‘ mywc = WordCloud().generate(cut_text) plt.imshow(mywc) plt.axis("off") plt.show()
效果截图;
标签:pyplot 小说 字体 jieba axis 字符 ext continue dsa
原文地址:https://www.cnblogs.com/AllanChen-/p/11053836.html