zoukankan      html  css  js  c++  java
  • 中文词频统计及词云制作

    1.中软国际华南区技术总监曾老师还会来上两次课,同学们希望曾老师讲些什么内容?(认真想一想回答)

        a讲一下python的实际应用
        b直接教我们使用python做更厉害的大程序
        c讲一下Python开发工程师要具备什么资质
        d大数据除了Python还有什么比较热门

    2.中文分词

    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. )**使用wordcloud库绘制一个词云。
    import jieba
    
    txt = open('且听风吟.txt',"r",encoding='utf-8').read()
    ex = {'一边','什么','一个','为什么','一种','怎么','没有','这样'}
    
    ls = []
    words = jieba.lcut(txt)
    counts = {}
    for word in words:
        ls.append(word)
        if len(word) == 1:
            continue
        else:
            counts[word] = counts.get(word,0)+1
    for word in ex:
        del(counts[word])
        
    items = list(counts.items())
    items.sort(key = lambda x:x[1], reverse = True)
    for i in range(20):
        word , count = items[i]
        print ("{:<10}{:>5}".format(word,count))

    结果:

    使用wordcloud库绘制一个词云

    #coding:utf-8
    import jieba
    from wordcloud import WordCloud
    import matplotlib.pyplot as plt
    
    text =open("且听风吟.txt",'r').read()
    
    wordlist = jieba.cut(text,cut_all=True)
    wl_split = "/".join(wordlist)
    
    mywc = WordCloud().generate(text)
    plt.imshow(mywc)
    plt.axis("off")
    plt.show()

    结果:

  • 相关阅读:
    spring boot基础知识
    使用PrintDocument定制打印格式
    vue刷新页面出现闪烁
    递归限制级数
    导出Excel的2个方法
    通过反射获取对象名称和值
    asp.net mvc 使用bootstrap的模态框插件modal
    记录用到的mssql的几个方法
    记录几个字符串转html的帮助类,以防忘记
    git 命令
  • 原文地址:https://www.cnblogs.com/husiqi/p/7592727.html
Copyright © 2011-2022 走看看