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 |
方法
步骤：
- 配置对象参数
- 加载词云文本
- 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）
- 下载一个《红楼梦》文本 这里将文本命名为 hongloumeng.txt
- 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，
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。
执行任有错误，
win10电脑文本编码默认为ASCII码，我们应将其改为UTF-8编码，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：
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)连接生成一个新的长字符串
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：
2、指定词云形状
mask:指定词云形状
需要引用imread函数，目前 scipy库不包含 imread 函数，imread函数在imageio库里。
from imageio import imread
mk = imread("cloud.png") #存为图片 cloud
w = wordcloud.WordCloud(mask = mk)
也可以用其他库，
- numpy库：numpy库是Python的一个扩展程序库，能够支持维度数组与矩阵运算。
- matplotlib库：matplotlib是python上的一个2D绘图库，它可以在夸平台上边出很多高质量的图像。
- PIL库：PIL 库是python中很有用的处理图像的库，对图像进行操作处理， 包括对原图处理，以及产生新的图片。从文件加载图像，可以使用Image.open( )函数，需要给出图片的绝对路径，例如：
from PIL import Image
im = Image.open('chrome.png') #图片的绝对路径
指定词云形状的代码如下：
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)
images = Image.open("C:\\Users\\邓若言\\Desktop\\timg.jpg")
maskImages = np.array(images)
# 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2000
max_words=2000,
# 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,
mask=maskImages
)
w.generate(wl) # 生成词云
plt.imshow(w)
w.to_file('img_book2.png') # 把词云保存下
if __name__ == '__main__':
create_word_cloud()
原图片
新词云图片如下
