### 实现年报TXT文件的词频统计 要实现对年报TXT文件的词频统计，可以按照以下方法完成。以下是完整的解决方案： #### 1. 数据读取 首先需要将TXT文件中的内容加载到程序中。可以通过`open()`函数来读取文件的内容。 ```python with open('annual_report.txt', 'r', encoding='utf-8') as file: text = file.read() ``` 此部分代码用于打开并读取名为`annual_report.txt`的文件[^2]。 --- #### 2. 文本预处理 为了提高词频统计的准确性，通常需要移除无意义的字符以及停用词（如“的”、“是”等）。这里需要用到`jieba`库进行中文分词，并结合自定义的停用词表过滤掉不需要的词语。 ```python import jieba # 加载停用词列表 def load_stopwords(stopwords_path): with open(stopwords_path, 'r', encoding='utf-8') as f: stopwords = set(f.read().splitlines()) return stopwords stopwords = load_stopwords('stopwords.txt') # 对文本进行分词 words = jieba.lcut(text) # 去除停用词 filtered_words = [word for word in words if word not in stopwords and word.strip()] ``` 上述代码实现了以下几个功能： - 使用`jieba.lcut()`对文本进行精确模式分词[^3]。 - 定义了一个辅助函数`load_stopwords()`用来加载停用词表。 - 过滤掉了停用词和空白字符[^3]。 --- #### 3. 统计词频 利用Python内置的`collections.Counter`类可以帮助快速计算每个单词出现的次数。 ```python from collections import Counter # 计算词频 word_counts = Counter(filtered_words) # 输出前N个高频词汇及其频率 top_n = word_counts.most_common(20) for word, freq in top_n: print(f"{word}: {freq}") ``` 这段代码完成了以下操作： - 调用了`Counter`对象的方法`most_common(n)`获取最常见的n个词条及其对应的频率。 - 将结果打印出来以便查看最常使用的关键词。 --- #### 4. 可视化展示 如果希望更直观地观察这些数据，则可借助于`matplotlib`绘制柱状图或者使用`wordcloud`生成词云图像。 ##### （1）柱状图可视化 ```python import matplotlib.pyplot as plt labels, values = zip(*top_n) plt.bar(labels, values) plt.xlabel('Words') plt.ylabel('Frequency') plt.title('Top Words Frequency') plt.xticks(rotation=45) # 设置X轴标签旋转角度便于阅读 plt.tight_layout() # 自动调整子图参数使之填充整个图像区域 plt.show() ``` 该脚本片段创建了一张条形图表示排名靠前的一些关键字与其对应数量之间的关系[^2]。 ##### （2）词云生成 ```python from wordcloud import WordCloud wc = WordCloud(font_path="simhei.ttf", background_color="white").generate_from_frequencies(word_counts) plt.imshow(wc, interpolation='bilinear') plt.axis("off") # 隐藏坐标轴 plt.show() ``` 注意，在生成中文词云时需指定支持汉字显示的字体路径（例如SimHei），否则可能出现乱码情况[^1]。 --- ### 总结 以上流程涵盖了从原始文档加载、清洗处理直至最终呈现分析成果的整体过程。每一步都紧密相连，共同构成了一个完整的基于Python的语言处理应用实例。