Python实现词频统计的词云图 | 您所在的位置:网站首页 › 大数据的形容词 › Python实现词频统计的词云图 |
1. 准备工作
首先安装好python (我用的是3.7版本)。 再下载好几个扩展库 (在cmd下执行下面语句即可) pip install re # 正则表达式库 pip install collections # 词频统计库 pip install numpy # numpy数据处理库 pip install jieba # 结巴分词 pip install wordcloud # 词云展示库 pip install PIL # 图像处理库 pip install matplotlib.pyplot # 图像展示库 准备好你打算统计的文件,命名为article.txt,保存到与程序文件相同目录中准备一个做背景的图片,命名为wordcloud.jpg,同样保存到与程序文件相同目录中 2. 编写代码新建一个python文件,命名为 wordcount.py,输入如下代码: # 导入扩展库 import re # 正则表达式库 import collections # 词频统计库 import numpy as np # numpy数据处理库 import jieba # 结巴分词 import wordcloud # 词云展示库 from PIL import Image # 图像处理库 import matplotlib.pyplot as plt # 图像展示库 # 读取文件 fn = open('article.txt') # 打开文件 string_data = fn.read() # 读出整个文件 fn.close() # 关闭文件 # 文本预处理 pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') # 定义正则表达式匹配模式 string_data = re.sub(pattern, '', string_data) # 将符合模式的字符去除 # 文本分词 seg_list_exact = jieba.cut(string_data, cut_all = False) # 精确模式分词 object_list = [] remove_words = [u'的', u',',u'和', u'是', u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了', u'通常',u'如果',u'我们',u'需要'] # 自定义去除词库 for word in seg_list_exact: # 循环读出每个分词 if word not in remove_words: # 如果不在去除词库中 object_list.append(word) # 分词追加到列表 # 词频统计 word_counts = collections.Counter(object_list) # 对分词做词频统计 word_counts_top10 = word_counts.most_common(10) # 获取前10最高频的词 print (word_counts_top10) # 输出检查 # 词频展示 mask = np.array(Image.open('wordcloud.jpg')) # 定义词频背景 wc = wordcloud.WordCloud( font_path='C:/Windows/Fonts/simhei.ttf', # 设置字体格式 mask=mask, # 设置背景图 max_words=200, # 最多显示词数 max_font_size=100 # 字体最大值 ) wc.generate_from_frequencies(word_counts) # 从字典生成词云 image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案 wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案 plt.imshow(wc) # 显示词云 plt.axis('off') # 关闭坐标轴 plt.show() # 显示图像 3.运行运行前检查自己的统计文件和背景文件的地址是否填写正确! 如果一切正常,将会是如下结果: 词云图其实也可以玩出很多花样来,例如: 甚至还可以做成这样子的: 以上那些有意思的词图只需要选好一个合适的背景图即可,同时现在也有很多在线制作云图的网站也挺不错的,词云图从大了讲就是数据可视化,从小了讲只是个雕虫小技,“形式大于内容”,酱紫~ |
CopyRight 2018-2019 实验室设备网 版权所有 |