Python文本分析：利用结巴分词和matplotlib绘制用户评价词频图

Python文本分析：用户评价词频图可视化

本代码示例使用Python的结巴分词库对用户评价文本进行分析，并利用matplotlib库绘制词频统计图，展示用户评价中最常出现的词语。

import jieba
import matplotlib.pyplot as plt

file = open('pingjia.txt', 'r', encoding='utf-8')
txt = file.read()
words = jieba.lcut(txt)
count = {}

# 移除无意义的标点符号
jieba.del_word('，')
jieba.del_word('：')
jieba.del_word('！')

for word in words:
    if len(word) < 1:
        continue
    else:
        count[word] = count.get(word, 0) + 1

# 移除无关词语
exclude = ['可以', '的', '。', '：', '', '这样']
for key in list(count.keys()):
    if key in exclude:
        del count[key]

# 获取词频前10的词语
top_words = sorted(count.items(), key=lambda x: x[1], reverse=True)[:10]
x = [word[0] for word in top_words]
y = [word[1] for word in top_words]

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']

# 绘制词频图
plt.title('用户评价分析')
plt.xlabel('评价')
plt.ylabel('数量')
plt.bar(x, y)
plt.show()

代码运行结果：

该代码会生成一个柱状图，展示用户评价文本中出现频率最高的10个词语。根据结果，'好'是用户评价中出现最频繁的词语，其次是'不错'和'喜欢'。

代码说明：

• jieba.lcut(txt)：使用结巴分词库对文本进行分词。
• count.get(word, 0) + 1：统计每个词语出现的次数。
• exclude：定义需要移除的无关词语。
• sorted(count.items(), key=lambda x: x[1], reverse=True)：对词频进行排序，并选取前10个词语。
• plt.rcParams['font.sans-serif'] = ['SimHei']：设置matplotlib库的字体为SimHei，用于显示中文。
• plt.bar(x, y)：绘制柱状图。

注意事项：

• 需要安装结巴分词库和matplotlib库。
• pingjia.txt文件需要包含用户评价文本。
• 可以根据需要修改代码中 exclude 列表，添加或删除需要移除的无关词语。