Jieba庫使用和好玩的詞云

Jieba庫使用和好玩的詞云

一、關于詞云

WordCloud庫常規方法

• 以WordCloud物件為基礎
• 配置引數、加載文本、輸出檔案

方法

步驟：

1. 配置物件引數
2. 加載詞云文本
3. 輸出詞云檔案 

配置物件引數

 二、文本詞頻統計（以《紅樓夢》為例）

1. 下載一個《紅樓夢》文本  這里將文本命名為 hongloumeng.txt
2. 撰寫代碼如下：

   #DreaminRedMansions.py
   import jieba   #呼叫jieba庫
   
   txt = open("hongloumeng.txt","r",encoding="UTF-8").read()  #打開txt檔案閱讀
   
   words = jieba.lcut(txt)    #分詞
   counts = {}   #建立一個空字典
   for word in words:
       if len(word)==1:
           continue
       else:
           counts[word]=counts.get(word,0) + 1    #遍歷每個中文單詞，通過字典來計數
   items = list(counts.items())    #將字典counts轉換為串列型別
   items.sort(key=lambda x:x[1],reverse = True)   #對串列進行排序
   for i in range(20):
       word,count = items[i]
       print("{0:<10}{1:>5}".format(word,count))     #列印出前20個詞

但是運行出現錯誤，

這是因為沒有寫明文本所在的絕對路徑，以致找不到文本，打開文本屬性找到位置復制即可，

執行任有錯誤，

win10電腦文本編碼默認為ASCII碼，我們應將其改為UTF-8編碼，打開 hongloumeng.txt --檔案--另存為--編碼--UTF-8，取名為  shitouji.txt   ,按照上述方法找到新的文本位置即可，改正的代碼如下：

#DreaminRedMansions.py
import jieba   #呼叫jieba庫

txt = open("D:\我愛學習\python3\wenben\shitouji.txt","r",encoding="UTF-8").read()  #打開txt檔案閱讀

words = jieba.lcut(txt)    #分詞
counts = {}   #建立一個空字典
for word in words:
    if len(word)==1:
        continue
    else:
        counts[word]=counts.get(word,0) + 1    #遍歷每個中文單詞，通過字典來計數
items = list(counts.items())    #將字典counts轉換為串列型別
items.sort(key=lambda x:x[1],reverse = True)   #對串列進行排序
for i in range(20):
    word,count = items[i]
    print("{0:<10}{1:>5}".format(word,count))     #列印出前20個詞

　　效果如下：

三、詞云展現

1、運用jieba庫和wordcloud庫,代碼如下：注： .join( )函式：   連接字串陣列，將字串、元組、串列中的元素以指定的字符(分隔符)連接生成一個新的長字串

from wordcloud import WordCloud
import jieba
def create_word_cloud():
    path_txt = 'D:\我愛學習\python3\wenben\\shitouji.txt'
    
    text = open(path_txt,"r",encoding="UTF-8").read()
    
    wordlist = jieba.lcut(text) # jieba分詞
    wl = " ".join(wordlist)
 
    # 設定詞云
    w = WordCloud(
        # 設定背景顏色為白色
        background_color="white",
        # 設定最大顯示的詞云數為200
        max_words=200,
        # 字體的一般路徑--宋體
        font_path='simsun.ttc',
        height=1200,
        width=1600,
        # 設定字體最大的字體大小
        max_font_size=100,
        # 設定配色方案
        random_state=100,
    )


    w.generate(wl)  # 生成詞云
    w.to_file('img_book1.png')  # 把詞云保存下
 
 
if __name__ == '__main__':
    create_word_cloud()

　　　效果如下：

 2、指定詞云形狀

mask:指定詞云形狀

需要參考imread函式，目前  scipy庫不包含 imread 函式，imread函式在imageio庫里，

from imageio import imread
mk = imread("cloud.png")  #存為圖片 cloud
w = wordcloud.WordCloud(mask = mk)

　也可以用其他庫，

1. numpy庫：numpy庫是Python的一個擴展程式庫，能夠支持維度陣列與矩陣運算，
2. matplotlib庫：matplotlib是python上的一個2D繪圖庫，它可以在夸平臺上邊出很多高質量的影像，
3. PIL庫：PIL 庫是python中很有用的處理影像的庫，對影像進行操作處理， 包括對原圖處理，以及產生新的圖片，從檔案加載影像，可以使用Image.open( )函式，需要給出圖片的絕對路徑，例如：　

from PIL import Image
im = Image.open('chrome.png')   #圖片的絕對路徑

　　指定詞云形狀的代碼如下：

from wordcloud import WordCloud
from matplotlib import pyplot as plt
from PIL import Image
import numpy as np
import jieba
def create_word_cloud():
    path_txt = 'D:\\我愛學習\\python3\\wenben\\shitouji.txt'
    
    text = open(path_txt,"r",encoding="UTF-8").read()
    
    wordlist = jieba.lcut(text) # jieba分詞
    wl = " ".join(wordlist)
    images = Image.open("C:\\Users\\鄧若言\\Desktop\\timg.jpg")  
    maskImages = np.array(images)
    # 設定詞云
    w = WordCloud(
        # 設定背景顏色為白色
        background_color="white",
        # 設定最大顯示的詞云數為2000
        max_words=2000,
        # 字體的一般路徑--宋體
        font_path='simsun.ttc',
        height=1200,
        width=1600,
        # 設定字體最大的字體大小
        max_font_size=100,
        # 設定配色方案
        random_state=100,
        mask=maskImages
    )

    w.generate(wl)  # 生成詞云
    plt.imshow(w)
    w.to_file('img_book2.png')  # 把詞云保存下
 
 
if __name__ == '__main__':
    create_word_cloud()

原圖片

新詞云圖片如下

標籤：Python

上一篇：Day 02 Python 基本知識

下一篇：python如何獲取多個excel單元格的值