在ubuntu环境中， （1）利用jieba库进行分词，分别统计每个文件中出现次数最多的10个词，将结果写入一个.csv文件。可自行设定是否排除单字词汇。 （2）利用wordcloud库进行词云图的绘制。

在Ubuntu环境中，你可以通过Python结合jieba库和wordcloud库来完成这个任务。以下是具体的步骤：

1. 安装必要的库：
首先需要安装`jieba`和`pandas`库用于处理文本和统计数据，以及`matplotlib`和`wordcloud`库用于绘制词云图。打开终端并运行以下命令：

   sudo apt-get install python3-pip
   pip3 install jieba pandas matplotlib wordcloud

2. 分词并统计词频：
使用`jieba`对每个文件的内容进行分词，并使用`pandas`库处理数据。创建一个函数来读取文件、分词和计数，然后排除单字词汇：

   import jieba
   from collections import Counter
   import pandas as pd
   
   def process_file(file_path, exclude_single_word=True):
       with open(file_path, 'r', encoding='utf-8') as f:
           text = f.read()
       
       words = jieba.lcut(text)
       if exclude_single_word:
           words = [word for word in words if len(word) > 1]
       
       counter = Counter(words)
       return counter.most_common(10)

   # 对所有文件遍历并统计词频
   files_to_analyze = ['file1.txt', 'file2.txt', ...]  # 你需要替换为实际文件路径
   all_words = [process_file(f) for f in files_to_analyze]
   combined_counter = sum(all_words, [])

   # 将结果保存到csv文件
   df = pd.DataFrame(combined_counter, columns=['Word', 'Frequency'])
   df.to_csv('top_words.csv', index=False)

3. 绘制词云图：
使用`wordcloud`库创建词云图，可以设置背景颜色、字体等样式。这里给出一个基本的示例，假设已经准备了统计好的词频数据：

   from wordcloud import WordCloud
   import matplotlib.pyplot as plt
   
   def draw_wordcloud(df, top_n=10):
       most_common_words = df.head(top_n)['Word'].tolist()
       wc = WordCloud(font_path='simhei.ttf', width=800, height=600).generate(" ".join(most_common_words))
       
       plt.figure(figsize=(10, 8))
       plt.imshow(wc, interpolation='bilinear')
       plt.axis('off')
       plt.title('Top {} Words'.format(top_n))
       plt.show()

   draw_wordcloud(pd.read_csv('top_words.csv'))