zoukankan      html  css  js  c++  java
  • jirba库的使用和好玩的词云

    1、jieba库基本介绍

      (1)、jieba库概述 

             jieba是优秀的中文分词第三方库 

             中文文本需要通过分词获得单个的词语
             - jieba是优秀的中文分词第三方库,需要额外安装

             - jieba库提供三种分词模式,最简单只需掌握一个函数

      (2)、jieba分词的原理

             Jieba分词依靠中文词库 

             利用一个中文词库,确定汉字之间的关联概率
             - 汉字间概率大的组成词组,形成分词结果

             - 除了分词,用户还可以添加自定义的词组

     

    2、jieba库使用说明

      (1)、jieba分词的三种模式 

             精确模式、全模式、搜索引擎模式 

             精确模式:把文本精确的切分开,不存在冗余单词
             - 全模式:把文本中所有可能的词语都扫描出来,有冗余

             - 搜索引擎模式:在精确模式基础上,对长词再次切分

      (2)、jieba库常用函数

      
     
     以下是我的代码:选用文本三体
    import  jieba
    
    txt = open("D:\刘慈欣 - 三体.txt", "r").read()
    words = jieba.lcut(txt) 
    counts = {}   
    
    for word in words:
        if  len(word)== 1: 
            continue
        else:
            counts[word] = counts.get(word, 0) + 1
            
    items = list(counts.items())
    items.sort(key=lambda x: x[1], reverse=True)  
    for i in range(15):               #输出频率前15的词
        word, count = items[i]
        print("{0:<5}{1:>5}".format(word, count))

    效果:

     一下是运用词云的代码及效果图
    from wordcloud import WordCloud
    import matplotlib.pyplot as plt #绘制图像的模块
    import jieba     #jieba分词
    
    path_txt='刘慈欣 - 三体.txt'
    f = open(path_txt,'r').read()
    
    # 结巴分词,生成字符串,wordcloud无法直接生成正确的中文词云
    cut_text = " ".join(jieba.cut(f))
    
    wordcloud = WordCloud(
     #设置字体,不然会出现口字乱码,文字的路径是电脑的字体一般路径,可以换成别的
     font_path="C:/Windows/Fonts/simfang.ttf",
     #设置了背景,宽高
     background_color="white",width=1920,height=1080).generate(cut_text)
    
    plt.imshow(wordcloud, interpolation="bilinear")
    plt.axis("off")
    plt.show()

     
  • 相关阅读:
    HDU ACM 1071 The area 定积分计算
    Effective C++:条款25:考虑写出一个不抛异常的swap函数
    史上最全站点降权原因解析
    shell脚本中的数学运算
    Spark 1.0.0 横空出世 Spark on Yarn 部署(Hadoop 2.4)
    索尼 LT26I刷机包 X.I.D 增加官方风格 GF A3.9.4 各方面完美
    Swift基础--使用TableViewController自己定义列表
    勒索软件出新招,小心你的隐私和財产安全!
    Http协议具体解释
    Android Studio解决unspecified on project app resolves to an APK archive which is not supported
  • 原文地址:https://www.cnblogs.com/DXL123/p/10652074.html
Copyright © 2011-2022 走看看