python实现词云图效果
程序员文章站
2022-05-27 15:17:55
...
什么是云词图,比如这种,就是由海量的词汇然后经过处理把出现出现词汇展示出来的一张图
jieba 分词库
jieba库是优秀的中文分词库
安装jieba:pip install jieba
支持三种分词模式:
精确模式:试图将句子最精确地切开,适合文本分析;
jieba.cut(s)—精确模式,返回一个可迭代的数据类型
全模式:把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义;
jieba.cut(s,cut_all=True )—全模式,输出文本s中所有可能单词
搜索引擎模式:在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词。
jieba.cut_for_search(s)—搜索引擎模式,适合搜索引擎建立索引的分词结果
添加自定义词典
开发者可以指定自定义词典,以便包含 jieba 词库里没有的词,词典格式如下:
词语 词频(可省略) 词性(可省略)
例如:
创新办 3 i
云计算 5
凱特琳 nz
使用 jieba.load_userdict(file_name) 即可载入词典。
# 载入词典
jieba.load_userdict("userdict.txt")
案例
import jieba
# 练手代码
# 这是等分词的字符串
# str = "好好学习,天天向上"
# # 分词 (lcut 和 cut 的区别就是lcut 返回的将会是一个列表值 )
# list1 = jieba.lcut(str)
# print(" ".join(list1))
# # 全模式,输出文本的所有单词,可能出现冗余
# list2 = jieba.lcut(str, cut_all=True)
# print(list2)
# # 搜索引擎模式
# list3 = jieba.cut_for_search(str)
# print(list3)
# 案例:对歌词进行切分
str = open("歌词.txt", "r", encoding="UTF-8").read().replace(" ","").replace(":","").replace("\n","").replace(":","")
# # lcut 和 cut 去别是 lcut 返回的是一个列表
list1 = jieba.lcut(str)
# 统计
results = {}
for s in list1:
# get 如果有就使用get的值否则返回0作为缺省值
results[s] = results.get(s, 0) + 1
print(results)
# 排序
resultsList = list(results.items())
# key指定的更具那个 作为key来排序 list现在保存的数据是这样的 ('喂', 6) ,我们要那6来排序就直接 a[1]就Ok了
resultsList.sort(key=lambda x: x[1], reverse=True)
print(resultsList)
wordcloud
下面这个案例我们要用到这些模块:
wordcloud 这是一个云词占时库
matplotlib 这是绘图库
numpy 我们下面的案例要用到它来实现 将 图片 转成 二进制 数组
PIL 我们用到这个模块的 Image 来读取图片
目录结果:
字体样式文件可以在 C:\Windows\Fonts
找一个自己喜欢的样式文件,copy 到项目目录下
这是qq图(我们要根据这个图片的形状生成云词图):
# 这是实现分词的
import jieba
# 这是我们的云词库
from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 将图片 转成 二进制 数组
import numpy as np
# Images 主要读取图片的
from PIL import Image
# 这里我们读取 歌词.txt 文件中的内容
str = open("歌词.txt", "r", encoding="UTF-8").read().replace(" ","").replace(":","").replace("\n","").replace(":","")
#lcut 和 cut 去别是 lcut 返回的是一个列表
# 这里进行分词 操作
list1 = jieba.lcut(str)
# 指定云词图 模板
image = np.array(Image.open("qq.jpg"))
# 使用 wordCloud
wc = WordCloud(font_path="msyh.ttc", width=800, height=400, mask=image, background_color="white")
# 生成(这里使用 空格的方式来将分词隔开 )
wc.generate(" ".join(list1))
# 将生成的云词图片保存下来
wc.to_file("结果.png")
# 绘制
plt.imshow(wc)
# 关闭刻度
plt.axis("off")
plt.show()
运行结果:
运行完后会在当前目录下保持这张图片:
下一篇: Python实现词云图两例