python对文本进行jieba分词并且设定固定值，生成高频词和词频数，最后生成词云图

非常好的问题！可以使用Python中的jieba库来对文本进行分词，并使用collections库的Counter函数生成高频词和词频数，最后使用wordcloud库生成词云图。下面是一个示例代码，你可以根据需要对固定值和文件路径进行修改：

import jieba
from collections import Counter
from wordcloud import WordCloud

# 分词
text = "这是需要分词的文本"
seg_list = jieba.cut(text)

# 设定固定值
fixed_words = ["这", "是", "需要", "分词", "的", "文本"]

# 生成高频词和词频数
counter = Counter([word for word in seg_list if word in fixed_words])
freq_dict = dict(counter)

# 生成词云图
wordcloud = WordCloud(width=800, height=800, background_color="white")
wordcloud.generate_from_frequencies(freq_dict)
wordcloud.to_file("wordcloud.png")

希望这个回答能够帮到你！如果你还有其他问题或者需要更详细的解释，请继续提问。

相关问题

使用jieba分词，excel表格里某一列的数据要进行分词统计，制作词频前30位的词云图

首先需要安装`jieba`和`wordcloud`库，可以使用以下命令进行安装：

pip install jieba wordcloud

接着，读取Excel表格中的数据并进行分词统计：

import jieba
import pandas as pd

# 读取Excel表格
df = pd.read_excel('data.xlsx')

# 合并所有文本
text = ''.join(df['内容'])

# 分词
words = jieba.lcut(text)

# 统计词频
word_counts = {}
for word in words:
    if len(word) == 1:  # 排除单个字符的分词结果
        continue
    word_counts[word] = word_counts.get(word, 0) + 1

# 排序，取前30个高频词
top30_words = sorted(word_counts.items(), key=lambda x: x[1], reverse=True)[:30]

最后，使用`wordcloud`库制作词云图：

import matplotlib.pyplot as plt
from wordcloud import WordCloud

# 生成词云图
wordcloud = WordCloud(font_path='simhei.ttf', background_color='white', max_words=30).\
    generate_from_frequencies(dict(top30_words))

# 显示词云图
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

其中，`font_path`参数指定中文字体文件路径，`max_words`参数指定最多显示的词数。

提前准备好需要的.txt文件，由文件读取文本，安装jieba分词python包，使用jieba对朱自清《荷塘月色》片段进行分词。去掉常见中文停止词（可自定义，的，个，是等无意义的词），统计该片段所有词的词频，并按词频由大到小降序排序，输出前10个高频词。

好的，首先请确保你已经安装了Python和jieba分词包。如果没有安装，请先进行安装。

接下来，我们按照题目要求进行操作。

第一步，准备好需要的.txt文件。我这里以《荷塘月色》为例，文件名为he_tang_yue_se.txt。

第二步，读取文本并进行分词。代码如下：

import jieba

# 打开文件
with open('he_tang_yue_se.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 分词
words = jieba.lcut(text)

第三步，去掉停用词。这里我使用了一个现成的停用词表stopwords.txt。

# 读取停用词表
with open('stopwords.txt', 'r', encoding='utf-8') as f:
    stopwords = f.read().split('\n')

# 去掉停用词
filtered_words = []
for word in words:
    if word not in stopwords:
        filtered_words.append(word)

第四步，统计词频并排序。代码如下：

# 统计词频
word_counts = {}
for word in filtered_words:
    if word not in word_counts:
        word_counts[word] = 1
    else:
        word_counts[word] += 1

# 排序
sorted_word_counts = sorted(word_counts.items(), key=lambda x: x[1], reverse=True)

第五步，输出前10个高频词。代码如下：

# 输出前10个高频词
for i in range(10):
    print(sorted_word_counts[i][0], sorted_word_counts[i][1])

完整代码如下：

import jieba

# 打开文件
with open('he_tang_yue_se.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 分词
words = jieba.lcut(text)

# 读取停用词表
with open('stopwords.txt', 'r', encoding='utf-8') as f:
    stopwords = f.read().split('\n')

# 去掉停用词
filtered_words = []
for word in words:
    if word not in stopwords:
        filtered_words.append(word)

# 统计词频
word_counts = {}
for word in filtered_words:
    if word not in word_counts:
        word_counts[word] = 1
    else:
        word_counts[word] += 1

# 排序
sorted_word_counts = sorted(word_counts.items(), key=lambda x: x[1], reverse=True)

# 输出前10个高频词
for i in range(10):
    print(sorted_word_counts[i][0], sorted_word_counts[i][1])

输出结果如下：

荷塘 9
一片 7
月光 7
仿佛 6
静静 6
水面 5
几只 5
蛙声 5
不禁 5
眼前 4