### 使用 Python 进行《红楼梦》词频统计并生成词云 要完成《红楼梦》的词频统计以及生成词云的任务，可以按照以下方法操作。这不仅需要对文本进行分词和统计，还需要借助 `matplotlib` 和 `wordcloud` 庉来可视化数据。 #### 1. 安装必要的库 在运行代码之前，请确保安装了所需的第三方库： ```bash pip install jieba matplotlib wordcloud ``` 这些库的作用如下： - **jieba**: 中文分词工具。 - **matplotlib**: 数据可视化的绘图库。 - **wordcloud**: 用于生成词云图像。 --- #### 2. 示例代码：词频统计与词云生成 以下是完整的 Python 脚本： ```python import jieba from wordcloud import WordCloud import matplotlib.pyplot as plt # 打开《红楼梦》文本文件 with open("G:\\红楼梦.txt", "r", encoding="utf-8") as file: text = file.read() # 使用 jieba 对文本进行分词 words = jieba.lcut(text) # 构建词频统计字典 freq_dict = {} for word in words: if len(word.strip()) < 2: # 排除单个字符或空白符 continue freq_dict[word] = freq_dict.get(word, 0) + 1 # 将词频字典按值降序排列 sorted_items = sorted(freq_dict.items(), key=lambda x: x[1], reverse=True) # 输出前 15 个高频词汇及其频率 print("Top 15 高频词汇:") for item in sorted_items[:15]: print(f"{item[0]:<10} {item[1]:>5}") # 生成词云 wordcloud = WordCloud( font_path='simhei.ttf', # 设置字体路径以支持中文显示 width=800, height=400, background_color='white' ).generate_from_frequencies(freq_dict) # 显示词云 plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') # 关闭坐标轴 plt.show() ``` --- #### 3. 说明 - **文本加载** 使用 `open()` 函数读取本地存储的《红楼梦》文本文件[^2]。注意编码应设置为 UTF-8，以免出现乱码问题。 - **分词处理** 利用 `jieba.lcut()` 方法将文本分割成词语列表。为了提高准确性，可以选择忽略长度小于 2 的短语或停用词[^2]。 - **词频统计** 创建一个空字典 `freq_dict` 来存储每个词语及其对应出现次数。遍历分词后的列表时更新该字典的内容。 - **排序展示** 借助内置函数 `sorted()` 并指定参数 `key=lambda x: x[1]`, 实现基于频率由大到小排序的功能。随后选取排名靠前的部分条目予以打印输出。 - **词云绘制** 初始化 `WordCloud` 类实例对象，并调用其成员方法 `.generate_from_frequencies()` 输入先前计算所得的词频映射关系表作为依据构建图形[^1]。最终通过 Matplotlib 展示结果图表。 --- #### 4. 注意事项 - 字体配置 若未正确设定中文字体，则可能无法正常渲染汉字内容于图片之上。推荐下载 SimHei (黑体) 或其他兼容性强的 TrueType Font 文件放置至工作目录下供程序访问使用。 - 性能优化 当面对超大规模文档素材时，建议先做初步清理预处理动作比如去除标点符号、HTML标签等干扰因素后再执行后续步骤；另外也可以考虑采用更高效的算法或者分布式框架加速运算效率。 ---