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。
ltxz = open(r'F:/ltxz.txt','r',encoding='utf-8').read()
wordsls = jieba.lcut(ltxz) 3. 安裝并使用jieba進行中文分詞。
pip install jieba
import jieba
jieba.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
paixu=list(stayed_line.items())
paixu.sort(key=lambda x:x[1],reverse=True) 7. 排除文法型詞彙，代詞、冠詞、連詞等停用詞。
stops
a = open(r'F:/stops_chinese.txt','r',encoding='utf-8').read()
stops = a.split() tokens=[token for token in wordsls if token not in stops]
排除：
wordsls = jieba.lcut(ltxz)
tokens = [token for token in wordsls if token not in stops] 8. 輸出詞頻最大TOP20，把結果存放到檔案裡
9. 生成詞雲。
cut_text = " ".join(tokens)
from wordcloud import WordCloud
ciyun = WordCloud().generate(cut_text)
import matplotlib.pyplot as plt
plt.imshow(ciyun)
plt.axis("off")
plt.show() 詞雲圖：