From fa00d0339bac86979704774393e6a7b1a2e30d14 Mon Sep 17 00:00:00 2001
From: pioc37juv <1245880206@qq.com>
Date: Wed, 18 Sep 2024 08:38:51 +0800
Subject: [PATCH] ADD file via upload

---
 数据分析.py | 42 ++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 42 insertions(+)
 create mode 100644 数据分析.py

diff --git a/数据分析.py b/数据分析.py
new file mode 100644
index 0000000..643ed36
--- /dev/null
+++ b/数据分析.py
@@ -0,0 +1,42 @@
+import pandas as pd
+import jieba
+from collections import Counter
+
+
+def read_excel_and_count_words(file_path, sheet_name='Sheet1', column_name='内容'):
+    """读取指定的 Excel 文件并进行词频统计"""
+    # 1. 读取 Excel 文件的指定表格和列
+    df = pd.read_excel(file_path, sheet_name=sheet_name)
+
+    if column_name not in df.columns:
+        print(f"列名 '{column_name}' 在 Excel 文件中未找到。")
+        return
+
+    # 2. 获取指定列的文本内容
+    report = ' '.join(df[column_name].astype(str).tolist())  # 将所有行合并为一个字符串
+
+    # 3. 进行分词
+    words = jieba.cut(report)
+
+    # 4. 按指定长度提取词
+    report_words = [word for word in words if len(word) >= 3]
+
+    # 5. 统计高频词汇
+    result = Counter(report_words).most_common(50)
+
+    # 6. 输出结果
+    print("高频词汇统计结果：")
+    for word, count in result:
+        print(f"{word}: {count}")
+
+    # 7. 保存高频词及其频率至高频词.xlsx
+    result_df = pd.DataFrame(result, columns=['词汇', '频率'])  # 创建 DataFrame
+    result_df.to_excel('高频词.xlsx', index=False, sheet_name='高频词汇')  # 保存到 Excel 文件
+
+
+if __name__ == '__main__':
+    file_path = '合并弹幕.xlsx'  # 替换为你的 Excel 文件路径
+    sheet_name = 'MergedData'     # 替换为你需要的工作表名称
+    column_name = '弹幕文本'       # 替换为你的文本内容所在的列名
+
+    read_excel_and_count_words(file_path, sheet_name, column_name)