词频统计
从网上搜索下载若干篇中文或英文文本文件，编写Python程序代码，对下载的中英文文档分别进行词频统计(去除无关的构词，增添新创的构词)，并对前20个频率最高的内容制作词云图。
停用词表 https://github.com/goto456/stopwords（如有特殊停用词也可自己添加修改）
可使用wordcloud库进行词云的绘制
jieba库常用函数
| 函数 | 描述 |
|---|---|
| jieba.cut(s) | 精确模式，返回一个可迭代的数据类型 |
| jieba.cut(s, cut_all=True) | 全模式，返回一个包括文本s中所有可能单词的可迭代数据类型 |
| jieba.cut_for_search(s) | 搜索引擎模式，适合搜索引擎建立索引的分词结果 |
| jieba.lcut(s) | 精确模式，返回一个列表类型，建议使用 |
| jieba.lcut(s, cut_all=True) | 全模式，返回一个列表类型，建议使用 |
| jieba.lcut_for_search(s) | 搜索引擎模式，返回一个列表类型，建议使用 |
| jieba.add_word(w) | 向分词词典中增加新词w |
实例代码
import jiebaimport wordcloud
import pandas as pd
import matplotlib as plt
fname = input("请输入文件名：")
f = open(fname, 'r')
text = f.read()
f.close()
cut_text = jieba.lcut(text)#将原文件分为词语
f = open("停用词表.txt")#读取停用词
stop_words = "".join(f.read())
stop_words.join('\n\t')
f.close()
stop_words_list = stop_words.split('\n')
stop_words_list.append('\n')
filted_text_list = []
for s in cut_text:
if s not in stop_words_list:
filted_text_list.append(s)
words_dic = {}
for s in filted_text_list:
words_dic[s] = words_dic.get(s, 0) + 1#统计词频
words_list = list(words_dic.items())
words_list.sort(key=lambda x: x[1],reverse=True)
words_dic = dict(words_list)
cloud_words_list = list(words_dic.keys())
cloud_words = " ".join(cloud_words_list[:20])#取排名前二十的词语
wc=wordcloud.WordCloud(font_path="simhei.ttf", width=300, height=250, background_color="#ffffff", max_font_size=80, random_state=50, prefer_horizontal=0.9)
wc_im=wc.generate_from_text(cloud_words)
wc_im.to_image().save("合肥市政府报告.jpg")
plt.pyplot.imshow(wc, interpolation="bilinear")
来源：CSDN
作者：三七水
链接：https://blog.csdn.net/qq_43575159/article/details/103918398