介绍
在文本处理中，词频统计是一个重要而常见的任务，可以用于文本分类、数据挖掘等应用。而Python作为一门广泛应用于文本处理的语言，其丰富的开源库和工具使得中文文本处理变得更加简单而高效。
Python中文词频统计
最常见的Python中文词频统计方法是使用Python自带的collections模块中的Counter类。这个类可以把一个可迭代对象的元素作为字典的键，出现次数作为值。所以，只需要把中文文本转化为列表或迭代器，就可以使用Counter类进行词频统计了。
from collections import Counter
text = "今天天气真好，适合出门散步。你出去玩了吗？"
split_words = text.split(" ") # 按空格分词
counts = Counter(split_words)
print(counts)
运行结果：
Counter({'今天天气真好，适合出门散步。你出去玩了吗？': 1})正如运行结果所示，因为没有针对中文进行分词处理，使得整个文本成为了列表中的一个元素。因此，需要进行分词处理，而jieba是中文分词的强大工具，可以将中文文本转换成分好词的列表。
import jieba
text = "今天天气真好，适合出门散步。你出去玩了吗？"
split_words = jieba.lcut(text) # 使用jieba进行分词
counts = Counter(split_words)
print(counts)
运行结果：
Counter({'，': 1, '你': 1, '适合': 1, '了': 1, '玩': 1, '今天天气': 1, '出门': 1, '。': 1, '真好': 1, '出去': 1, '散步': 1, '吗': 1})这样，就得到了一个将中文文本拆分成分好词的列表，并使用Counter进行词频统计的方法。
中文词频统计的在线工具
除了在Python中进行编程，也可以使用在线的中文词频统计工具。
目前较为出名的在线中文文本词频统计工具是“中文词频统计器”，它不仅可以统计中文文本中每个词的出现次数，还可以对词性进行分析，提供简易的云图展示等功能。输入待分析的中文文本，点击“开始分析”即可自动进行词频统计并分析各个词的词性以及平均出现频率。
excel中文词频统计
在使用excel进行中文文本处理时，可以使用excel的内置函数COUNTIF和MATCH进行词频统计。
COUNTIF函数可用于计算出现次数。例如，对于单元格A1中的文字“理想”，我们可以使用以下公式计算“理想”在介绍中出现的次数：
=COUNTIF(A1,"*理想*")而MATCH函数可以用于检查一个值是否出现在一个数组或者范围中，可以统计一个单词在文本中出现的次数。例如，对于单元格A1中的文字“理想”，我们可以使用以下公式计算“理想”在介绍中出现的次数：
=SUM(IF(ISERROR(MATCH("理想",A1:A10)),0,1))中文文本词频统计
中文文本的词频统计需要注意中英文混合的情况，可以使用jieba库中的功能进行分词，同时注意去除停用词和标点符号。
在以下代码示例中，我们使用jieba分词器进行中文分词，并去掉停用词和符号后，对一篇小说进行词频统计：
import jieba
from collections import Counter
# 停用词文件路径
stopwords_path = "stopwords.txt"
def remove_stopwords(file_path):
stopwords = set()
with open(stopwords_path, "r", encoding="utf-8") as f:
for line in f.readlines():
stopwords.add(line.strip())
with open(file_path, "r", encoding="utf-8") as f:
content = f.read()
words = jieba.lcut(content)
new_words = []
for word in words:
if word not in stopwords and word != " " and len(word) > 1:
new_words.append(word)
return new_words
if __name__ == "__main__":
file_path = "novel.txt"
words = remove_stopwords(file_path)
word_count = Counter(words)
for word, count in word_count.most_common(10):
print(word, count)
除了jieba之外，还有其他中文分词工具，如THULAC、Stanford NLP等。
头歌中文词频统计
头歌中文词频统计工具是一个在线的中文分词和词频统计工具，可以自动分词并统计每个词的出现次数。
使用头歌中文词频统计工具非常简单，只需要将待分析的中文文本黏贴到工具的文本框中，点击“开始分析”即可。
小结
本文介绍了Python中文词频统计的基本方法，包括使用Python自带的collections模块、jieba中文分词、excel中的COUNTIF和MATCH、在线中文文本词频统计工具、头歌中文词频统计等。
使用这些方法，可以快速高效地进行中文文本的词频统计和分析。
