本文主要從中文文本分詞、詞頻統計、詞云繪制方面介紹Python中文文本分詞的使用。會使用到的中文文本處理包包括：wordcloud,jieba，re（正則表達式）,collections。

1 準備工作

導入相關的包，讀取相關數據。

#導入包

import pandas as pd #數據處理包

import numpy as np #數據處理包

from wordcloud import WordCloud #繪制詞云

import jieba #中文分詞包

import jieba.posseg as pseg

import re #正則表達式，可用于匹配中文文本

import collections #計算詞頻

#讀取數據，使用pandas讀取csv

df_question = pd.read_csv("D:/data/raw_data_20200401_copy/question.csv",low_memory=False)

#選擇問題描述部分

df_description = df_question["description"].drop_duplicates().reset_index() #去除重復問題

list_description = df_description["description"].tolist()

description_all = "start"

for i in range(999): #選定一定范圍作為示范，全部處理實在太多了

description_all = description_all+list_description[i]

#選取中文：使用正則表達式

filter_pattern = re.compile('[^\u4E00-\u9FD5]+')

chinese_only = filter_pattern.sub('', description_all)

2 中文分詞

#中文分詞

words_list = pseg.cut(chinese_only)

#刪除停用詞

stopwords1 = [line.rstrip() for line in open('D:/data/BI/stop_words/中文停用詞庫.txt', 'r', encoding='utf-8')]

stopwords2 = [line.rstrip() for line in open('D:/data/BI/stop_words/哈工大停用詞表.txt', 'r', encoding='utf-8')]

stopwords3 = [line.rstrip() for line in open('D:/data/BI/stop_words/四川大學機器智能實驗室停用詞庫.txt', 'r',encoding='utf-8')]

stopwords = stopwords1 + stopwords2 + stopwords3

meaninful_words = []

for word, flag in words_list:

if word not in stopwords:

meaninful_words.append(word)

3 計算詞頻

繪制詞頻并查看詞頻排在前30的詞。

#計算詞頻，一行解決

word_counts = collections.Counter(meaninful_words) # 對分詞做詞頻統計

word_counts_top30 = word_counts.most_common(30) # 獲取前30最高頻的詞

print (word_counts_top30)

4 繪制詞云

#繪制詞云

wc = WordCloud(background_color = "black",max_words = 300,font_path='C:/Windows/Fonts/simkai.ttf',min_font_size = 15,max_font_size = 50,width = 600,height = 600)

wc.generate_from_frequencies(word_counts)

wc.to_file("wordcoud.png")

看一下結果，因為數據來源于某醫患交互平臺，分析的是患者關注的問題都有哪些，所以結果如下圖。可以看到大家在關注什么問題，一般哪些問題在線上被問到的比較多。。。可能數據不全，僅做示范hhh。

好啦，是不是很簡單，有問題可以私我

總結

以上是生活随笔為你收集整理的python词频统计完整步骤_Python中文文本分词、词频统计、词云绘制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。