欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Jieba库使用和好玩的词云

程序员文章站 2022-06-27 20:18:16
Jieba库使用和好玩的词云 一、关于词云 WordCloud库常规方法 以WordCloud对象为基础 配置参数、加载文本、输出文件 函数 简述 w.generate(txt) 向WordCloud对象w中加载文本txt w.to_file(file name) 将词云输出为图像文件,例如.png ......

jieba库使用和好玩的词云

一、关于词云

wordcloud库常规方法

  • 以wordcloud对象为基础
  • 配置参数、加载文本、输出文件
函数 简述
w.generate(txt) 向wordcloud对象w中加载文本txt
w.to_file(file name) 将词云输出为图像文件,例如.png格式

 

步骤:

  1. 配置对象参数
  2. 加载词云文本
  3. 输出词云文件 

配置对象参数

函数 简述
font_path 字体路径,做中文词云必须设置字体,否则无法显示
width 输出的画布宽度,默认为400像素
height 输出的画布高度,默认为200像素
max_words 要显示的词的最大个数,默认为200
stop_words 指定词云的排除词列表,即不显示的单词列表
max_font_size 显示的最大字体大小
min_font_size   显示的最小字体大小
 background_color  指定词云图片的背景颜色,默认为黑色
mask 指定词云形状,默认为长方形,需要引用imread()函数

 二、文本词频统计(以《红楼梦》为例)

  1. 下载一个《红楼梦》文本  这里将文本命名为 hongloumeng.txt
  2. 编写代码如下:
    #dreaminredmansions.py
    import jieba   #调用jieba库
    
    txt = open("hongloumeng.txt","r",encoding="utf-8").read()  #打开txt文件阅读
    
    words = jieba.lcut(txt)    #分词
    counts = {}   #建立一个空字典
    for word in words:
        if len(word)==1:
            continue
        else:
            counts[word]=counts.get(word,0) + 1    #遍历每个中文单词,通过字典来计数
    items = list(counts.items())    #将字典counts转换为列表类型
    items.sort(key=lambda x:x[1],reverse = true)   #对列表进行排序
    for i in range(20):
        word,count = items[i]
        print("{0:<10}{1:>5}".format(word,count))     #打印出前20个词

但是运行出现错误,

Jieba库使用和好玩的词云

这是因为没有写明文本所在的绝对路径,以致找不到文本,打开文本属性找到位置复制即可。

但是这样依旧执行错误,

Jieba库使用和好玩的词云

win10电脑文本编码默认为ascii码,我们应将其改为utf-8,打开 hongloumeng.txt --文件--另存为--编码--utf-8,取名为  shitouji.txt   ,按照上述方法找到新的文本位置即可。改正的代码如下:

#dreaminredmansions.py
import jieba   #调用jieba库

txt = open("d:\我爱学习\python3\wenben\shitouji.txt","r",encoding="utf-8").read()  #打开txt文件阅读

words = jieba.lcut(txt)    #分词
counts = {}   #建立一个空字典
for word in words:
    if len(word)==1:
        continue
    else:
        counts[word]=counts.get(word,0) + 1    #遍历每个中文单词,通过字典来计数
items = list(counts.items())    #将字典counts转换为列表类型
items.sort(key=lambda x:x[1],reverse = true)   #对列表进行排序
for i in range(20):
    word,count = items[i]
    print("{0:<10}{1:>5}".format(word,count))     #打印出前20个词

  效果如下:

Jieba库使用和好玩的词云

 

三、词云展现

1、运用jieba库和wordcloud库,代码如下:注: .join( )函数:   连接字符串数组。将字符串、元组、列表中的元素以指定的字符(分隔符)连接生成一个新的字符串

from wordcloud import wordcloud
import jieba
def create_word_cloud():
    path_txt = 'd:\我爱学习\python3\wenben\\shitouji.txt'
    
    text = open(path_txt,"r",encoding="utf-8").read()
    
    wordlist = jieba.lcut(text) # jieba分词
    wl = " ".join(wordlist)
 
    # 设置词云
    w = wordcloud(
        # 设置背景颜色为白色
        background_color="white",
        # 设置最大显示的词云数为200
        max_words=200,
        # 字体的一般路径--宋体
        font_path='simsun.ttc',
        height=1200,
        width=1600,
        # 设置字体最大的字体大小
        max_font_size=100,
        # 设置配色方案
        random_state=100,
    )


    w.generate(wl)  # 生成词云
    w.to_file('img_book1.png')  # 把词云保存下
 
 
if __name__ == '__main__':
    create_word_cloud()

  效果如下:

Jieba库使用和好玩的词云


Jieba库使用和好玩的词云