今日学习了python的词云技术
from os import path from wordcloud import WordCloud import matplotlib.pyplot as plt d=path.dirname(__file__) text=open(path.join(d,"data//constitution.txt")).read() # 步骤3-2：设置一张词云图对象 wordcloud = WordCloud(background_color="white", max_font_size=40).generate(text) # 步骤4-1：创建一个图表画布 plt.figure() # 步骤4-2：设置图片 plt.imshow(wordcloud, interpolation="bilinear") # 步骤4-3：取消图表x、y轴 plt.axis("off") # 显示图片 plt.show()
结果如下：这是没有背景图的词云
接下来这个是爱丽丝漫游小说的词云
from os import path from PIL import Image import numpy as np from wordcloud import WordCloud import matplotlib.pyplot as plt d=path.dirname(__file__) text=open(path.join(d,"data//alice.txt")).read() alice_mask = np.array(Image.open(path.join(d, "data/alice_mask.png"))) wordcloud=WordCloud(background_color="white",max_words=2000,mask=alice_mask) wordcloud.generate(text) wordcloud.to_file(path.join(d,"images//alice_word.png"))
用英文做词云很简单，不需要很麻烦的分词技术，用wordcloud模块就可以简单实现
运行结果如下
背景图：
最后是中文词云，中文词云就比较麻烦了，得用到jieba模块的分词技术，还得筛选
import jieba from os import path #用来获取文档的路径 #词云 from PIL import Image import numpy as np import matplotlib.pyplot as plt #词云生成工具 from wordcloud import WordCloud,ImageColorGenerator #需要对中文进行处理 import matplotlib.font_manager as fm #背景图 bg=np.array(Image.open("data/4.jpg")) #获取当前的项目文件加的路径 d=path.dirname(__file__) #读取停用词表 stopwords_path='data/alice.txt' #添加需要自定以的分词 jieba.add_word("侯亮平") #读取要分析的文本 text_path="data//sanguo.txt" #读取要分析的文本，读取格式 text=open(path.join(d,text_path),encoding="utf8").read() #定义个函数式用于分词 def jiebaclearText(text): #定义一个空的列表，将去除的停用词的分词保存 mywordList=[] #进行分词 seg_list=jieba.cut(text,cut_all=False) #将一个generator的内容用/连接 listStr='/'.join(seg_list) #打开停用词表 f_stop=open(stopwords_path,encoding="utf8") #读取 try: f_stop_text=f_stop.read() finally: f_stop.close()#关闭资源 #将停用词格式化，用 分开，返回一个列表 f_stop_seg_list=f_stop_text.split(" ") #对默认模式分词的进行遍历，去除停用词 for myword in listStr.split('/'): #去除停用词 if not(myword.split()) in f_stop_seg_list and len(myword.strip())>1: mywordList.append(myword) return ' '.join(mywordList) text1=jiebaclearText(text) #生成 wc=WordCloud( background_color="white", max_words=150, mask=bg, #设置图片的背景 max_font_size=60, random_state=42, font_path='C:/Windows/Fonts/simkai.ttf' #中文处理，用系统自带的字体 ).generate(text1) #为图片设置字体 my_font=fm.FontProperties(fname='C:/Windows/Fonts/simkai.ttf') #产生背景图片，基于彩色图像的颜色生成器 image_colors=ImageColorGenerator(bg) #开始画图 plt.imshow(wc,interpolation="bilinear") #为云图去掉坐标轴 plt.axis("off") #画云图，显示 #plt.figure() plt.show() #为背景图去掉坐标轴 plt.axis("off") plt.imshow(bg,cmap=plt.cm.gray) #plt.show() #保存云图 wc.to_file("data/sanguo.png")
运行结果：
可以看出，三国前20回里，吕布，曹操，玄德等词出现的最多