中文词频统计与词云生成

作业来源：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

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

tokens=[token for token in wordsls if token not in stops]

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：

import jieba
def read_file():
     f = open('C:\Users\leo\Desktop\我当阴阳先生的那几年.txt', 'r', encoding='utf-8')
     content = f.read()  #通过文件读取字符串 str
     f.close()
     return content
def read_stops():
     f = open('C:\Users\leo\Desktop\stops_chinese.txt', 'r', encoding='utf-8')
     content = f.read()  #通过文件读取字符串 str
     f.close()
     return content
text = read_file()
stops = read_stops().split()
#添加不切割的词
jieba.add_word('三清书')
jieba.add_word('崔作非')
jieba.add_word('福泽堂')
#分割
words = jieba.lcut(text)
#除掉stops
tokens = [token for token in words if token not in stops]
wcdict = {}
"""统计次数并排序"""
for word in tokens:
    if len(word)==1:
        continue
    else:
        wcdict[word] = wcdict.get(word,0)+1
wcls = list(wcdict.items())
wcls.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(wcls[i])
cut_text = " ".join(tokens)
"""生成词云"""
from wordcloud import WordCloud
ciyun = WordCloud().generate(cut_text)
import matplotlib.pyplot as plt
plt.imshow(ciyun)
plt.axis("off")
plt.show()
ciyun.to_file(r'D:搜狗高速下载wordCloud.jpg')

词频统计截图：

词云展示：

主要问题：pycharm安装第三方库不成功，目测是pip的版本太低，大概就是版本问题，第三方的库都安装不了

解决方法：1.通过命令行安装

2.下载压缩包并解压到放置package的路径