Python如何制作詞云

本篇內(nèi)容主要講解“Python如何制作詞云”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“Python如何制作詞云”吧!

效果如下：

(詞云--出現(xiàn)頻率越多的詞，字體越大 )

工具篇

1、安裝可視化庫(kù)

pip3 install matplotlib

3、安裝 “結(jié)巴” 庫(kù)， 這個(gè)名字起的真接地氣， 給開(kāi)發(fā)者點(diǎn)個(gè)贊

pip3 install jieba

這個(gè)庫(kù)用來(lái)解析中文，把一句話解析成一個(gè)個(gè)的詞，

我們中文不像英文每個(gè)詞之間有空格。需要根據(jù)語(yǔ)義分析拆分成詞組

我們用《劍雨》的一段對(duì)話舉例：

import   jieba #引入結(jié)巴庫(kù) 
str='師傅，他為何說(shuō)禪機(jī)已到,\
     佛祖點(diǎn)化世人講究機(jī)緣,\
     禪機(jī)一過(guò)緣即滅矣,\
     而禪機(jī)未到雖點(diǎn)亦不中
     我愿化身石橋又是何意'

print(str)
# 解析拆分詞組  lcut的方法
words = jieba.lcut(str)
print(words)

效果如下：

（ 把完整的句子拆分成一個(gè)個(gè)的詞，看著斷斷續(xù)續(xù)，可能這就是結(jié)巴的由來(lái)吧，【拆詞】最難的這部分，結(jié)巴庫(kù)都做好了，這也是python強(qiáng)大的原因吧，各式各樣的庫(kù)都有了 ）

結(jié)巴庫(kù)

網(wǎng)上下載txt格式的《西游記》,

下載完成后轉(zhuǎn)換成utf-8格式再保存一下。

轉(zhuǎn)化方法：記事本另存為的時(shí)候，選擇編碼格式UTF-8

format 格式化輸出：

#列標(biāo)題 format
print("{0:<5}{1:<8}{2:<5}".format('序號(hào)','詞語(yǔ)', '頻率'))

{0:<5} ：

0 表示序號(hào)：第一個(gè)參數(shù)，第一列，

< 左對(duì)齊， > 右對(duì)齊

5 代表寬度

任務(wù)一：統(tǒng)計(jì)西游記里面出現(xiàn)頻率最高的10個(gè)詞：

后面為了方便，我們把這個(gè)叫主代碼。

#引入結(jié)巴庫(kù)
import  jieba 
#open 內(nèi)置函數(shù) 不需要引用 直接使用
#開(kāi)打文件西游記和python 文件放到同一個(gè)目錄，可直接引用不需要路徑
f = open('西游記.txt', 'r' ,encoding='utf-8'  )
# 查看文件的編碼格式
print('文件的編碼格式:'+f.encoding)
#讀取文件
txt = f.read()
#關(guān)閉文件，良好的習(xí)慣
f.close()

# 使用精確模式對(duì)文本進(jìn)行分詞
#  使用結(jié)巴庫(kù)把西游拆分成一個(gè)個(gè)的詞組
words = jieba.lcut(txt)
 
# 通過(guò)鍵值對(duì)的形式存儲(chǔ)詞語(yǔ)及其出現(xiàn)的次數(shù)
# 大括號(hào)表示 python的字典類(lèi)型對(duì)應(yīng)，
# 鍵值對(duì) key:value1 ,類(lèi)似java的map對(duì)象和list 
counts = {}     

chiyun = []
for word in words:
     # == 1 單個(gè)詞語(yǔ)不計(jì)算在內(nèi)
    if  len(word) < 2 :  
        continue
    else:
         # 遍歷所有詞語(yǔ)，每出現(xiàn)一次其對(duì)應(yīng)的值加 1
        counts[word] = counts.get(word, 0) + 1   

#將鍵值對(duì)轉(zhuǎn)換成列表
items = list(counts.items())

# 根據(jù)詞語(yǔ)出現(xiàn)的次數(shù)進(jìn)行從大到小排序
items.sort(key=lambda x: x[1], reverse=True)
#列標(biāo)題 format
print("{0:<5}{1:<8}{2:<5}".format('序號(hào)','詞語(yǔ)', '頻率'))
#需要顯示的范圍  10即顯示前10個(gè)，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：

還是沒(méi)有觀音， 放出前100,200,300 到500在看：

終于出現(xiàn)了，在349位，重復(fù)61次，

應(yīng)該是有哪里問(wèn)題，直覺(jué)判斷不止61次重復(fù)

預(yù)知后事如何，請(qǐng)聽(tīng)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，在洞口報(bào)個(gè)名：我是五百年前大鬧天宮的齊天大圣，這兩個(gè)詞出現(xiàn)在前10 合理。

詞云庫(kù)

我們?cè)谑崂硐铝鞒蹋?/p>

注意下：結(jié)巴庫(kù)不是必須，主要是用來(lái)把句子拆分成詞，如果你已經(jīng)有統(tǒng)計(jì)好的詞組，可直接用詞云顯示。

試一個(gè)簡(jiǎn)單的：我們手工創(chuàng)建個(gè)詞組，直接用詞云顯示出來(lái)。即繞開(kāi)結(jié)巴庫(kù)了

from wordcloud import WordCloud
# python的可視化庫(kù)，也是二級(jí)考試推薦的可視化庫(kù)
import matplotlib.pyplot as plt


str=['齊天大圣','大圣','大圣','八戒','嫦娥']
#數(shù)組里面添加內(nèi)容
str.append('玉兔')
str.append('女兒國(guó)')
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 函數(shù) 用斜桿拼接詞組mask =maskph,
#這里一定要join拼接一下 轉(zhuǎn)成字符串
text_cut  =  '/'.join(str)

#看一下連接后的樣子 
#關(guān)鍵點(diǎn) text_cut 是詞云要處理的內(nèi)容
print(text_cut)
wordcloud = WordCloud(  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 顯示圖片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

可觀察下效果圖：主要join后的輸出，用/拼接成了一個(gè)字符串：

效果圖：

(大圣和八戒出現(xiàn)次數(shù)多，字體最大)

詞云圖

先把全代碼放上，后面實(shí)例在解析：

這段可先略過(guò)，下面直接看效果圖：

#引入結(jié)巴庫(kù)
import  jieba
#詞云庫(kù)
from wordcloud import WordCloud
# python的可視化庫(kù)，也是二級(jí)考試推薦的可視化庫(kù)
import matplotlib.pyplot as plt
from PIL import Image  #處理圖片的
 #矩陣 好像也是協(xié)助處理圖片的
import numpy as np 



#open 內(nèi)置函數(shù) 不需要引用 直接使用
#開(kāi)打文件西游記和python 文件放到同一個(gè)目錄，可直接引用不需要路徑
f = open('西游記.txt', 'r' ,encoding='utf-8'  )

# 查看文件的編碼格式
print('文件的編碼格式:'+f.encoding)

#讀取文件
txt = f.read()

#關(guān)閉文件，良好的習(xí)慣
f.close()


# 使用精確模式對(duì)文本進(jìn)行分詞
#  使用結(jié)巴庫(kù)把西游拆分成一個(gè)個(gè)的詞組
words = jieba.lcut(txt)


# 通過(guò)鍵值對(duì)的形式存儲(chǔ)詞語(yǔ)及其出現(xiàn)的次數(shù)
# 大括號(hào)表示 python的字典類(lèi)型對(duì)應(yīng)，
# 鍵值對(duì) key:value1 ,類(lèi)似java的map對(duì)象和list 
counts = {}     
#數(shù)組對(duì)象  用來(lái)接收需要傳遞給詞云的內(nèi)容
chiyun = []
for word in words:
     # == 1 單個(gè)詞語(yǔ)不計(jì)算在內(nèi)
    if  len(word) < 2 :  
        continue
    else:
         # 遍歷所有詞語(yǔ)，每出現(xiàn)一次其對(duì)應(yīng)的值加 1
        counts[word] = counts.get(word, 0) + 1   

#將鍵值對(duì)轉(zhuǎn)換成列表
items = list(counts.items())

# 根據(jù)詞語(yǔ)出現(xiàn)的次數(shù)進(jìn)行從大到小排序
items.sort(key=lambda x: x[1], reverse=True)


#列標(biāo)題 format
print("{0:<5}{1:<8}{2:<5}".format('序號(hào)','詞語(yǔ)', '頻率'))


#需要顯示的范圍  10即顯示前10個(gè)，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) 


#加載圖片信息
maskph = np.array(Image.open('山東艦航母.png'))


#join 函數(shù) 用斜桿拼接詞組
text_cut  =  '/'.join(chiyun)
wordcloud = WordCloud(mask =maskph,  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 顯示圖片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

效果1：全部顯示

即：結(jié)巴庫(kù)處理好的詞組，不做限制，全部送給詞云顯示：

顯示二：限定內(nèi)容顯示

比如改成 只輸出前20個(gè)詞：（顯示密度會(huì)稀好多）

即：結(jié)巴庫(kù)處理好后，取前20個(gè)高頻詞傳給詞云顯示：

再試一下前20的 四個(gè)字的詞：

到此，相信大家對(duì)“Python如何制作詞云”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！