中文詞頻統計

1. 下載下傳一長篇中文小說。

2. 從檔案讀取待分析文本。

3. 安裝并使用jieba進行中文分詞。

pip install jieba

import jieba

ljieba.lcut(text)

4. 更新詞庫，加入所分析對象的專業詞彙。

jieba.add_word('天罡北鬥陣') #逐個添加

jieba.load_userdict(word_dict) #詞庫文本檔案

參考詞庫下載下傳位址：https://pinyin.sogou.com/dict/

轉換代碼：scel_to_text

5. 生成詞頻統計

6. 排序

7. 排除文法型詞彙，代詞、冠詞、連詞等停用詞。

stops

8. 輸出詞頻最大TOP20，把結果存放到檔案裡

9. 生成詞雲。

安裝詞雲：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple wordcloud

下載下傳安裝：下載下傳 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

安裝找到下載下傳檔案的路徑 pip install wordcloud-1.5.0-cp37-cp37m-win_amd64.whl

配置：

在WordCloud安裝的目錄下找到WordCloud.py檔案，對源碼進行修改。

編輯wordcloud.py，找到FONT_PATH，将DroidSansMono.ttf修改成msyh.ttf。這個msyh.ttf表示微軟雅黑中文字型。

在同一個目錄下放置msyh.ttf字型檔案供程式調用（字型可以在C:\Windows\Fonts複制）

使用：

1、引入子產品

from wordcloud import WordCloud

import matplotlib.pyplot as plt

2、導入文本

準備生成詞雲的文本word_text =' '.join(wordlist) #是以空格分隔的字元串

4、生成詞雲

mywc = WordCloud().generate(wl_split)

5、顯示詞雲

plt.imshow(mywc)

plt.axis("off")

plt.show()

《生命不能承受之輕》米蘭昆德拉

# -*- coding: utf-8 -*-
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
cloud = WordCloud(
        #設定字型，不指定就會出現亂碼
        font_path='c:\\windows\\Fonts\\simhei.ttf',
        #font_path=path.join(d,'simsun.ttc'),
        #設定背景色
        background_color='white',
        #允許最大詞彙
        max_words=2000,
        #最大号字型
        max_font_size=40
    )
def stopWordsList():
    stopwords = [line.strip() for line in open('csw.txt', encoding='UTF-8').readlines()]
    return stopwords
txt = open(r'C:\Users\Ltp\Downloads\bd\life.txt', 'r', encoding='utf-8').read()
stopWords = stopWordsList()
for exc in stopWords:
    txt = txt.replace(exc, '')
wordList = jieba.lcut(txt);
wordDict = {}
woreSet=set(wordList)
woreSet=woreSet-set(stopWords)
for word in wordList:
    if word not in stopWords:
        if len(word) == 1:
            continue
        else:
            wordDict[word] = wordDict.get(word, 0) + 1
wordCloudLS = list(wordDict.items())
wordCloudLS.sort(key=lambda x: x[1], reverse=True)
for i in range(20):
    print(wordCloudLS[i])
wcP = " ".join(wordList)
mywc = cloud.generate(wcP)
plt.imshow(mywc)
plt.axis("off")
plt.show()