python实现词云图效果

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：