基于Python的政府工作报告文本分析：从词频统计到词云生成

一、项目背景与目标

在政策研究和舆情分析领域，政府工作报告是解读国家发展战略的重要文本资料。本教程将展示如何运用Python对政府工作报告进行深度文本分析，通过词频统计和可视化呈现，快速抓住报告的核心关键词。

二、技术实现流程

​​1.文本获取​​：

从中国政府网下载最新《政府工作报告》文本，保存为government_report.txt

2.​​停用词表​​：

创建stopwords.txt，包含常见虚词和通用停用词，自行查找

1. 环境准备

import jieba
from wordcloud import WordCloud
from collections import Counter
import re
import matplotlib.pyplot as plt

2. 数据加载与清洗

# 读取报告文本（需准备government_report.txt）
with open("government_report.txt", "r", encoding="utf-8") as f:
    text = f.read()

# 正则表达式去除非中文字符
text = re.sub(r'[^\u4e00-\u9fa5]', '', text)

3. 专业停用词库配置

# 基础停用词表（需准备stopwords.txt）
with open("stopwords.txt", "r", encoding="utf-8") as f:
    base_stopwords = set([line.strip() for line in# 添加政治文档专用停用词
report_stopwords = {"加强", "推进", "坚持", "全面", "提高", "实施", "加快", 
                   "建设", "推动", "支持", "工作", "完善", "深化", "优化", "落实", "持续"}
stopwords = base_stopwords.union(report_stopwords)

4. 精准分词处理

# 添加专业术语词典
jieba.add_word("高质量发展")
jieba.add_word("共同富裕示范区")
jieba.add_word("乡村振兴")
jieba.add_word("数字经济")
jieba.add_word("碳中和")
jieba.add_word("科技创新")

# 执行分词与过滤
seg_list = jieba.lcut(text)
filtered_words = [word for word in seg_list if len(word) > 1 and word not in stopwords]

5. 词频统计与分析

# 统计高频词汇TOP25
word_counts = Counter(filtered_words)
print("高频词汇TOP25：")
for word, count in word_counts.most_common(25):
    print(f"{word}: {count}")

6. 可视化词云生成

# 配置词云参数
wc = WordCloud(
    font_path="msyh.ttc",        # 微软雅黑字体
    background_color="white",
    width=1200,
    height=800,
    max_words=150,
    collocations=False,          # 避免词组重复
    prefer_horizontal=0.9        # 横向排版优化
)

# 生成并保存词云
wc.generate_from_frequencies(word_counts)
plt.figure(figsize=(15, 10))
plt.imshow(wc, interpolation="bilinear")
plt.axis("off")
plt.savefig('report_analysis.png', dpi=300)  # 高清输出
plt.show()

三、技术亮点解析

1. 专业术语处理

通过jieba.add_word()添加政策领域专有词汇，确保分词准确性。例如：
• “共同富裕示范区”（完整保留政策概念）
• “碳中和”（避免拆分为"碳/中和"）

2. 停用词双保险策略

• 通用停用词库：过滤常见无意义词汇
• 定制政策停用词：去除高频但低信息量的动词（如"推进"、“加强”）

3. 词云优化技巧

• collocations=False：避免生成"发展-战略"等重复词组
• prefer_horizontal=0.9：提升横向显示比例，符合中文阅读习惯
• dpi=300：输出高清图像，满足印刷级需求

四、成果展示示例

高频词汇TOP25示例：

词云效果图

转载自CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/m0_74774931/article/details/147191668