本文介紹了python實現簡單中文詞頻統計示例，分享給大家，具體如下：

任務

簡單統計一個小說中哪些個漢字出現的頻率最高

知識點

1.文件操作
2.字典
3.排序
4.lambda

代碼

import codecsimport matplotlib.pyplot as pltfrom pylab import mplmpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默認字體mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題word = []counter = {}with codecs.open('data.txt') as fr: for line in fr:  line = line.strip()  if len(line) == 0:   continue  for w in line:   if not w in word:    word.append(w)   if not w in counter:    counter[w] = 0   else:    counter[w] += 1counter_list = sorted(counter.items(), key=lambda x: x[1], reverse=True)print(counter_list[:50])label = list(map(lambda x: x[0], counter_list[:50]))value = list(map(lambda y: y[1], counter_list[:50]))plt.bar(range(len(value)), value, tick_label=label)plt.show()

統計了一個11M的小說，結果如下：

[('，', 288508), ('。', 261584), ('的', 188693), ('陳', 92565), ('歡', 92505), ('不', 91234), ('是', 90562), ('了', 86931), ('一', 79059), ('著', 77997), ('他'
, 71695), ('這', 63580), ('人', 61210), ('“', 59719), ('”', 59115), ('有', 56054), ('就', 52862), ('個', 49097), ('都', 46850), ('你', 45400), ('來', 42659),
 ('我', 40057), ('在', 37676), ('們', 36966), ('到', 36351), ('說', 35828), ('還', 35260), ('么', 32601), ('下', 31742), ('地', 30692), ('得', 29904), ('上', 2
9627), ('看', 28408), ('沒', 28333), ('出', 27937), ('道', 27732), ('大', 27012), ('？', 26729), ('那', 26589), ('要', 26076), ('子', 25035), ('自', 24012), ('
點', 23942), ('好', 21345), ('想', 21242), ('里', 20915), ('面', 20661), ('她', 20313), ('過', 20304), ('話', 20110)]

使用jieba先對中文文檔進行分詞處理

import sys reload(sys) sys.setdefaultencoding("utf-8")  import jieba import jieba.analyse  wf = open('clean_title.txt','w+') for line in open('/root/clean_data/clean_data.csv'):    item = line.strip('/n/r').split('/t') //制表格切分   # print item[1]   tags = jieba.analyse.extract_tags(item[1]) //jieba分詞   tagsw = ",".join(tags) //逗號連接切分的詞   wf.write(tagsw)  wf.close() 

輸出的clean_title.txt內容
郵輪,地中海,深度,羅馬,自由納西,柏林簽證,步行,三天,批準申根,手把手,簽證,申請,如何贊爆,法蘭,穿越,葡萄酒,風景,河谷,世界歐洲顏色,一種,國家,一個水族箱,帕勞,七日,上帝奧林匹亞,跑步圣托, 
里尼,文明古國,探訪,愛琴海,魅力,希臘 

2、統計詞頻