统计csv词频_中文词频统计
中文词频统计
1. 下载一长篇中文小说。
《倚天屠龙记》
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
5. 生成词频统计
6. 排序
7. 排除语法型词汇,代词、冠词、连词
8. 输出词频最大TOP20,把结果存放到文件里
9. 生成词云。
代码如下:
from wordcloud
import WordCloudimport matplotlib.pyplot as plt
import jieba
article = open('yt.txt',encoding='UTF-8').read()
dele = {'。','!','?','的','“','”','(',')',' ','》','《',','}
jieba.add_word('张无忌')
words = list(jieba.cut(article))
articleDict = {}
articleSet = set(words)-dele
for w in articleSet:
if len(w)>1:
articleDict[w] = words.count(w)
articlelist = sorted(articleDict.items(),key = lambda x:x[1], reverse = True)
cut_text = " ".join(words)
'print(cut_text)'
mywc = WordCloud().generate(cut_text)
plt.imshow(mywc)plt.axis("off")
plt.show()
'''
for i in range(20):
print(articlelist[i])
import pandas as pd
pd.DataFrame(data=articlelist).to_csv('test.csv',encoding='UTF-8')
运行结果:
词云:
统计csv词频_中文词频统计相关推荐
- 统计csv词频_中文词频统计与词云生成
一.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 ...
- 统计csv词频_分词词频统计
网上随便找段文字,就以Power BI官网上这段文字为例好了: 想要统计其中的词频,实现如下图的效果: 解法1:使用输入法词库 其中的难点无疑在分词了,中文不像英文可以按空格拆开分词,仅仅单靠Powe ...
- python统计txt文件中文词频_Python 中文文件统计词频 + 中文词云
1. 词频统计: 1 importjieba2 txt = open("threekingdoms3.txt", "r", encoding='utf-8'). ...
- python统计段落单词词频_使用Python统计文件中词频,并且生成词云
wordcloud Table of Contents 1 怎样使用Python产生词云 from wordcloud import WordCloud import matplotlib.pyplo ...
- window统计文本字节_在线字数统计工具-统计字符字节汉字数字标点符号-计算word文章字数...
位 位是信息技术中使用的术语,也称比特(bit).是最小的信息单位.Bit是二进制数字的缩写(BInarydigiT),因为位实在是太小了,用来表示大数目时不方便,所以有了字节(byte),一个在信息 ...
- window统计文本字节_在线字数统计工具-统计字符字节汉字数字标点符号-计算word文章字数-使用帮助-字的区别...
位,字,字节,字长,字符串,字符,字数区别及计算方法? 位 位是信息技术中使用的术语,也称比特(bit).是最小的信息单位.Bit是二进制数字的缩写(BInarydigiT),因为位实在是太小了,用来 ...
- 统计csv词频_基于给定词语列表统计词频
基于给定词语列表并统计词频,统计结果输出到csv中.有两种实现方法 方法一:常规的统计给定关键词的词频 思路: 第一步,整理好待查询query_words 第二步,新建一个csv文件,并且将query ...
- Hadoop综合大作业补交4次作业:获取全部校园新闻,网络爬虫基础练习,中文词频统计,熟悉常用的Linux操作...
1.用Hive对爬虫大作业产生的文本文件(或者英文词频统计下载的英文长篇小说)进行词频统计. (1)开启所有的服务,并创建文件夹wwc (2)查看目录下所有文件 (3)把hdfs文件系统中文件夹里的文 ...
- python词频统计完整步骤_Python中文文本分词、词频统计、词云绘制
本文主要从中文文本分词.词频统计.词云绘制方面介绍Python中文文本分词的使用.会使用到的中文文本处理包包括:wordcloud,jieba,re(正则表达式),collections. 1 准备工 ...
最新文章
- AI Time | 论道数据共享开放与隐私保护
- 好玩!PyEcharts 绘制时间轮播图
- Docker registry
- Four-tuples (2018山东省省赛 容斥定理)
- 接口中私有方法【应用】
- php输出查询mysql总数_PHP查询语句,如何返回总记录数??
- weui-switch开关控件,表单提交后如何取值
- Python打包方法基本应用方式介绍
- 把HttpClient换成IHttpClientFactory之后,放心多了
- Java秒杀系统实战系列~RabbitMQ死信队列处理超时未支付的订单(转)
- 发卡网源码 去后门 可以扩展码支付
- TypeError: __str__ returned non-string (type NoneType)
- USACO3.1.1最短网络
- zynq操作系统: Linux驱动开发串口篇
- 用递归法打印九九乘法表c语言,java递归打印九九乘法表
- EAS BOS:序时簿中获取选中行中某单元格的值方法
- 使用python下载图片(新手代码)
- 一毫米等于多少像素? - GetDeviceCaps
- Why c++ coroutine?Why libgo?
- Vue实现打印功能最简单的方法
热门文章
- Android音量控制曲线
- ubuntu 14.10安装zabbix(lnmp环境)
- GO 语言圣经 -在线阅读
- min聚合函数查询带有额外字段sql|dense_rank()over(partition)|+班级学生成绩最高
- 应用构建工具包 Ecere SDK
- linux内核 semaphore,2.4内核里semaphore源码的一个疑问
- sm2加密算法实例_实例说明加密算法
- solidity 编程练习_学习Solidity编程语言并开始为区块链开发
- 系统技术方案 系统构架_构架系统时应注意的事项
- 一群算法_树遍历解释:他们就像一群懒惰的学生,试图欺骗他们的考试