Python如何制作词云

本篇内容主要讲解“Python如何制作词云”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Python如何制作词云”吧!

我们提供的服务有:成都做网站、成都网站制作、微信公众号开发、网站优化、网站认证、兴安ssl等。为成百上千家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务,是有科学管理、有技术的兴安网站制作公司

效果如下:

Python如何制作词云

(词云--出现频率越多的词,字体越大 )

工具篇

1、安装可视化库

pip3 install matplotlib

Python如何制作词云

3、安装 “结巴” 库, 这个名字起的真接地气, 给开发者点个赞

pip3 install jieba

这个库用来解析中文,把一句话解析成一个个的词,

我们中文不像英文每个词之间有空格。需要根据语义分析拆分成词组

我们用《剑雨》的一段对话举例:

import   jieba #引入结巴库 
str='师傅,他为何说禅机已到,\
     佛祖点化世人讲究机缘,\
     禅机一过缘即灭矣,\
     而禅机未到虽点亦不中
     我愿化身石桥又是何意'

print(str)
# 解析拆分词组  lcut的方法
words = jieba.lcut(str)
print(words)

效果如下:

Python如何制作词云

( 把完整的句子拆分成一个个的词,看着断断续续,可能这就是结巴的由来吧,【拆词】最难的这部分,结巴库都做好了,这也是python强大的原因吧,各式各样的库都有了 )

结巴库

网上下载txt格式的《西游记》,

下载完成后转换成utf-8格式再保存一下。

转化方法:记事本另存为的时候,选择编码格式UTF-8

Python如何制作词云

format 格式化输出:

#列标题 format
print("{0:<5}{1:<8}{2:<5}".format('序号','词语', '频率'))

{0:<5} :

0 表示序号:第一个参数,第一列,

< 左对齐, > 右对齐

5 代表宽度

任务一:统计西游记里面出现频率最高的10个词:

后面为了方便,我们把这个叫主代码。

#引入结巴库
import  jieba 
#open 内置函数 不需要引用 直接使用
#开打文件西游记和python 文件放到同一个目录,可直接引用不需要路径
f = open('西游记.txt', 'r' ,encoding='utf-8'  )
# 查看文件的编码格式
print('文件的编码格式:'+f.encoding)
#读取文件
txt = f.read()
#关闭文件,良好的习惯
f.close()

# 使用精确模式对文本进行分词
#  使用结巴库把西游拆分成一个个的词组
words = jieba.lcut(txt)
 
# 通过键值对的形式存储词语及其出现的次数
# 大括号表示 python的字典类型对应,
# 键值对 key:value1 ,类似java的map对象和list 
counts = {}     

chiyun = []
for word in words:
     # == 1 单个词语不计算在内
    if  len(word) < 2 :  
        continue
    else:
         # 遍历所有词语,每出现一次其对应的值加 1
        counts[word] = counts.get(word, 0) + 1   

#将键值对转换成列表
items = list(counts.items())

# 根据词语出现的次数进行从大到小排序
items.sort(key=lambda x: x[1], reverse=True)
#列标题 format
print("{0:<5}{1:<8}{2:<5}".format('序号','词语', '频率'))
#需要显示的范围  10即显示前10个,0到9
for i in range(10):
    word, count = items[i]
    print("{0:<5}{1:<8}{2:>5}".format(i+1,word, count))

效果如下:

Python如何制作词云

还是没有观音, 放出前100,200,300 到500在看:

终于出现了,在349位,重复61次,

应该是有哪里问题,直觉判断不止61次重复

Python如何制作词云

预知后事如何,请听下回分解,‘下回分解’排第二合理。

悟空每次打妖怪都要吹下牛,在洞口报个名:我是五百年前大闹天宫的齐天大圣,这两个词出现在前10 合理。

词云库

我们在梳理下流程:

注意下:结巴库不是必须,主要是用来把句子拆分成词,如果你已经有统计好的词组,可直接用词云显示。

试一个简单的:我们手工创建个词组,直接用词云显示出来。即绕开结巴库了

from wordcloud import WordCloud
# python的可视化库,也是二级考试推荐的可视化库
import matplotlib.pyplot as plt


str=['齐天大圣','大圣','大圣','八戒','嫦娥']
#数组里面添加内容
str.append('玉兔')
str.append('女儿国')
str.append('牛魔王')
str.append('大圣')
str.append('土地公公')
str.append('小神仙')
str.append('八戒')

print(str)
#join 函数 用斜杆拼接词组mask =maskph,
#这里一定要join拼接一下 转成字符串
text_cut  =  '/'.join(str)

#看一下连接后的样子 
#关键点 text_cut 是词云要处理的内容
print(text_cut)
wordcloud = WordCloud(  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 显示图片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

可观察下效果图:主要join后的输出,用/拼接成了一个字符串:

Python如何制作词云

效果图:

(大圣和八戒出现次数多,字体最大)

词云图

先把全代码放上,后面实例在解析:

这段可先略过,下面直接看效果图:

#引入结巴库
import  jieba
#词云库
from wordcloud import WordCloud
# python的可视化库,也是二级考试推荐的可视化库
import matplotlib.pyplot as plt
from PIL import Image  #处理图片的
 #矩阵 好像也是协助处理图片的
import numpy as np 



#open 内置函数 不需要引用 直接使用
#开打文件西游记和python 文件放到同一个目录,可直接引用不需要路径
f = open('西游记.txt', 'r' ,encoding='utf-8'  )

# 查看文件的编码格式
print('文件的编码格式:'+f.encoding)

#读取文件
txt = f.read()

#关闭文件,良好的习惯
f.close()


# 使用精确模式对文本进行分词
#  使用结巴库把西游拆分成一个个的词组
words = jieba.lcut(txt)


# 通过键值对的形式存储词语及其出现的次数
# 大括号表示 python的字典类型对应,
# 键值对 key:value1 ,类似java的map对象和list 
counts = {}     
#数组对象  用来接收需要传递给词云的内容
chiyun = []
for word in words:
     # == 1 单个词语不计算在内
    if  len(word) < 2 :  
        continue
    else:
         # 遍历所有词语,每出现一次其对应的值加 1
        counts[word] = counts.get(word, 0) + 1   

#将键值对转换成列表
items = list(counts.items())

# 根据词语出现的次数进行从大到小排序
items.sort(key=lambda x: x[1], reverse=True)


#列标题 format
print("{0:<5}{1:<8}{2:<5}".format('序号','词语', '频率'))


#需要显示的范围  10即显示前10个,0到9
for i in range(80):
    word, count = items[i]
    print("{0:<5}{1:<8}{2:>5}".format(i+1,word, count))
    chiyun.append(word)


 #print(chiyun) 


#加载图片信息
maskph = np.array(Image.open('山东舰航母.png'))


#join 函数 用斜杆拼接词组
text_cut  =  '/'.join(chiyun)
wordcloud = WordCloud(mask =maskph,  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 显示图片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

效果1:全部显示

即:结巴库处理好的词组,不做限制,全部送给词云显示:

Python如何制作词云

显示二:限定内容显示

比如改成 只输出前20个词:(显示密度会稀好多)

即:结巴库处理好后,取前20个高频词传给词云显示:

再试一下前20的 四个字的词:

Python如何制作词云

到此,相信大家对“Python如何制作词云”有了更深的了解,不妨来实际操作一番吧!这里是创新互联网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!


网站名称:Python如何制作词云
分享链接:http://myzitong.com/article/iipioo.html