Python三国演义词频统计

《三国演义》是中国四大名著之一，如果你想了解其中的词频统计，可以使用Python中的文本处理和数据分析库，如NLTK（自然语言工具包）和collections等。以下是一个简单的步骤：

1. **数据获取**：首先，你需要下载《三国演义》的电子文本，可以从网络上找到TXT格式的版本。

2. **读取和预处理**：使用Python的`open()`函数读取文件，然后对文本进行分词、去除停用词（如“的”、“了”等常见但不反映主题的词）和标点符号。

3. **计词频**：使用`collections.Counter`类对每个词进行计数。这个类会返回一个字典，键是词，值是这个词在文本中出现的次数。

4. **排序和输出**：对字典按照值（词频）进行降序排序，输出最常出现的词语。

以下是一个简化的示例代码片段：

import nltk
from collections import Counter
import re

# 1. 数据获取
# 假设你已经有一个名为"三国演义.txt"的文件
with open('三国演义.txt', 'r', encoding='utf-8') as file:
    text = file.read()

# 2. 预处理
nltk.download('punkt')  # 如果还没安装nltk的punkt分词器
tokens = nltk.word_tokenize(text)
tokens = [token.lower() for token in tokens if token.isalnum() and token not in nltk.corpus.stopwords.words('chinese')]  # 去除停用词和非字母数字字符

# 3. 计词频
word_counts = Counter(tokens)

# 4. 排序和输出
most_common_words = word_counts.most_common()
for word, count in most_common_words[:10]:  # 输出最常见的10个词及其频率
    print(f"{word}: {count}")