Python 中文檔案統計詞頻 中文詞云

1. 詞頻統計：

1

import
jieba
2 txt = open("
threekingdoms3.txt
", "
r", encoding='
utf-8
').read()
3 words  =jieba.lcut(txt)
4 counts ={}
5for word in
words:
6if len(word) == 1:
7continue
8else
:9         counts[word] = counts.get(word,0) + 1
10 items =list(counts.items())
11 items.sort(key=lambda x:x[1], reverse=true)
12for i in range(15):
13     word, count =items[i]
14print ("
".format(word, count))

曹操 946

孔明 737

將軍 622

玄德 585

卻說 534

關公 509

荊州 413

二人 410

丞相 405

玄德曰 390

不可 387

孔明曰 374

張飛 358

如此 320

不能 318

進一步改進， 我想只知道人物出場統計，**如下：

1

import
jieba
2 txt = open("
threekingdoms3.txt
", "
r", encoding='
utf-8
').read()
3 names = 
4 words  =jieba.lcut(txt)
5 counts ={}
6for word in
words:
7if len(word) == 1:
8continue
9elif word == "
諸葛亮"
or word == "
孔明曰"
:10         rword = "孔明"
11elif word == "關公"
or word == "雲長"
:12         rword = "關羽"
13elif word == "玄德"
or word == "
玄德曰"
:14         rword = "劉備"
15elif word == "孟德"
or word == "丞相"
:16         rword = "曹操"
17else
:18         rword =word
19     counts[rword] = counts.get(rword,0) + 120#
for word in excludes:21#
del counts[word]
22 items =list(counts.items())
23 items.sort(key=lambda x:x[1], reverse=true)
24for i in range(40):
25     word, count =items[i]
26if word in
names:
27print ("
".format(word, count))

曹操 1358

孔明 1265

劉備 1251

關羽 783

張飛 358

呂布 300

趙雲 278

孫權 257

周瑜 217

袁紹 191

進一步的做詞雲圖：

名稱是可以進一步優化的，參見第二部分**。

中文wordcloud庫缺省會出現亂碼，解決方法參考 

參考：

Python 中文檔案統計詞頻 中文詞云

1.詞頻統計 1 import jieba 2 txt open threekingdoms3.txt r encoding utf 8 read 3 words jieba.lcut txt 4 counts 5for word in words 6if len word 1 7continue ...

用python統計英文文章詞頻

import re with open text.txt as f 讀取檔案中的字串 txt f.read 去除字串中的標點 數字等 txt re.sub d s txt 替換換行符，大小寫轉換，拆分成單詞列表 word list txt.replace n replace lower split ...

Python中文詞頻統計

以下是關於 的中文詞頻統計 這裡有三個檔案，分別為novel.txt punctuation.txt meaningless.txt。這三個是 文字 特殊符號和無意義詞 python 統計詞頻如下 import jieba jieba中文分詞庫 從檔案讀入 with open novel.txt r...