用Python编写代码，练习jieba分词包的使用，对.txt进行分词，并将词频数位于前100的词语统计输出

好的，以下是代码示例：

import jieba
from collections import Counter

# 打开文件，读取文本内容
with open('example.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 使用jieba分词，得到分词结果列表
word_list = jieba.lcut(text)

# 使用Counter统计词频，并取前100个
word_freq = Counter(word_list).most_common(100)

# 输出结果
for word, freq in word_freq:
    print(word, freq)

其中，`jieba.lcut()`函数将文本内容分词得到一个列表。`Counter()`函数用于统计列表中各元素出现的次数，返回一个字典。`most_common(100)`方法用于取出前100个出现次数最多的元素。

如果要将结果保存到文件中，可以在最后添加如下代码：

# 将结果保存到文件中
with open('result.txt', 'w', encoding='utf-8') as f:
    for word, freq in word_freq:
        f.write(word + ' ' + str(freq) + '\n')

相关问题

用Python编写代码，练习jieba分词包的使用，对.txt进行分词，并将词频数与词语保存到文件中

好的，我可以帮您写一个示例代码来练习jieba分词包的使用，以下是代码：

import jieba

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

# 对文本进行分词
words = jieba.cut(text)

# 统计词频
word_dict = {}
for word in words:
    if len(word) > 1:  # 只统计长度大于1的词语
        if word not in word_dict:
            word_dict[word] = 1
        else:
            word_dict[word] += 1

# 将词频数与词语保存到文件中
with open('word_count.txt', 'w', encoding='utf-8') as f:
    for word, count in word_dict.items():
        f.write(word + ' ' + str(count) + '\n')

在这个示例代码中，我们首先打开一个文本文件，并读取其中的文本内容。然后，我们使用jieba分词包对文本进行分词，得到一个词语列表。接着，我们遍历这个词语列表，统计每个词语出现的次数，并将统计结果保存到一个字典word_dict中。最后，我们将这个字典中的词频数与词语保存到一个文本文件word_count.txt中。

需要注意的是，为了避免统计过多的无意义词语，我们在统计过程中只统计了长度大于1的词语。当然，这个条件可以根据实际情况进行修改。

用jieba库对文档 nove.txt 的文本内容进行分词，词频统计的结果排序输出到 result.csv 中

好的，下面是针对您的要求的代码示例：

import jieba
from collections import Counter
import csv

# 读取文本文件
with open("nove.txt", "r", encoding="utf-8") as f:
    text = f.read()

# 使用jieba分词
words = jieba.cut(text)

# 统计词频
word_count = Counter(words)

# 将词频统计结果排序，并写入csv文件中
with open("result.csv", "w", encoding="utf-8", newline="") as f:
    writer = csv.writer(f)
    writer.writerow(["word", "count"])
    for word, count in word_count.most_common():
        writer.writerow([word, count])

执行完上述代码后，会在当前目录下生成一个名为"result.csv"的文件，文件中包含了对文档"nove.txt"进行分词后的词频统计结果，按照词频从高到低排序。