### 使用Python对Excel文件进行词频统计和分析 要实现对Excel文件的数据进行词频统计和分析，可以借助`pandas`库读取Excel文件的内容，并利用`jieba`库完成中文分词操作。以下是具体方法： #### 数据准备 首先需要安装必要的依赖库： ```bash pip install pandas openpyxl jieba matplotlib wordcloud ``` #### 代码实现 以下是一个完整的代码示例，展示如何从Excel文件中提取文本数据并进行词频统计[^1]。 ```python import pandas as pd import jieba from collections import Counter import re # 加载Excel文件 def load_excel_data(file_path, sheet_name=0, column_name="content"): """ 从Excel文件加载指定列的数据。 :param file_path: Excel 文件路径 :param sheet_name: 工作表名称或索引，默认为第一个工作表 :param column_name: 要提取的列名 :return: 文本列表 """ df = pd.read_excel(file_path, sheet_name=sheet_name) text_list = df[column_name].dropna().tolist() return text_list # 清洗文本 def clean_text(text): """ 去除特殊字符，仅保留汉字、字母和数字。 """ cleaned_text = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', str(text)) return cleaned_text # 进行分词和词频统计 def calculate_word_frequency(text_list): """ 计算词频。 """ words = [] for text in text_list: seg_list = jieba.lcut(clean_text(text)) # 分词 words.extend(seg_list) # 统计词频 counter = Counter(words) return counter.most_common(100) # 返回前100个高频词 # 主函数 if __name__ == "__main__": excel_file = "example.xlsx" # 替换为实际的Excel文件路径 texts = load_excel_data(excel_file, column_name="your_column") # 替换为实际列名 freq_result = calculate_word_frequency(texts) with open("word_freq_output.txt", "w", encoding="utf-8") as f: for word, freq in freq_result: f.write(f"{word} {freq}\n") print("词频统计已完成，结果已保存至 word_freq_output.txt") ``` #### 结果可视化 为了更直观地查看词频分布情况，还可以通过绘制柱状图或者生成词云的方式呈现结果[^3]。 ##### 柱状图 ```python import matplotlib.pyplot as plt top_words = [item[0] for item in freq_result[:20]] frequencies = [item[1] for item in freq_result[:20]] plt.barh(top_words[::-1], frequencies[::-1]) # 反向排列以便顶部显示最高频率 plt.xlabel('Frequency') plt.ylabel('Words') plt.title('Top 20 Words Frequency Distribution') plt.show() ``` ##### 词云生成 ```python from wordcloud import WordCloud text_for_cloud = " ".join([word * freq for word, freq in freq_result]) wc = WordCloud(font_path='simhei.ttf', width=800, height=400, background_color='white').generate(text_for_cloud) plt.figure(figsize=(10, 5)) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() ``` 以上代码展示了如何从Excel文件中提取文本数据并进行词频统计以及可视化的全过程。 ---