Python文本分析：基于Jieba库的词频统计与可视化

Python文本分析：基于Jieba库的词频统计与可视化

本文使用Python的Jieba库对用户评价文本进行词频统计，并使用matplotlib库绘制词频柱状图，直观展示用户评价中的高频词，帮助分析用户评价的整体倾向。

import jieba
import matplotlib.pyplot as plt

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


# 增加删词列表
exclude = ['可以', '的', '。', '：', '', '这样', '非常', '很', '好', '不错', '喜欢']
for key in list(count.keys()):
    if key in exclude:
        del count[key]

top_words = sorted(count.items(), key=lambda x: x[1], reverse=True)[:10]  # 取出频率前10的词
x = [word[0] for word in top_words]
y = [word[1] for word in top_words]

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title('用户评价分析')
plt.xlabel('评价')
plt.ylabel('数量')
plt.bar(x, y)
plt.show()

代码说明：

1. 导入库: import jieba 和 import matplotlib.pyplot as plt 分别导入Jieba库和matplotlib库。
2. 读取文件: file = open('pingjia.txt', 'r', encoding='utf-8') 打开名为pingjia.txt的文件，并使用file.read()读取文件内容。
3. 分词: words = jieba.lcut(txt) 使用Jieba库对文本进行分词。
4. 词频统计: 使用count字典统计每个词出现的次数。
5. 删除停用词: 定义一个exclude列表，包含常见的停用词，并使用循环从count字典中删除这些停用词。
6. 排序并取前10: 使用sorted对count字典进行排序，并使用切片[:10]获取词频最高的10个词。
7. 绘制柱状图: 使用matplotlib库绘制词频柱状图。

注意: pingjia.txt文件需要在代码所在的目录下。

本文展示了一个简单的文本分析示例，你可以根据自己的需求进行修改和扩展。