【机器学习】词云（wordcloud）统计词的重要性

from wordcloud import WordCloud,ImageColorGenerator
import matplotlib.pyplot as plt
import jieba
from PIL import Image
import numpy as np


# # 1、设置一个文本，显示的文本
# #
# with open("./元尊.txt", "r", encoding="utf-8") as f:
#     content = f.read()
# # print(content)
# # 2、对文本进行分词处理---
# # 借助jieba 进行精确模式分词
# seg = jieba.cut(content, cut_all=False)
# content = ",".join(seg)
# print("分词之后的结果：
", content)
# # 3、生成一个词云对象
# wc = WordCloud(
#     # 设置字体
#     font_path="./simhei.ttf",
#     # 设置背景图的大小
#     # mask 参数---可以手动自己指定背景图，一旦设置背景图，那么就不需要设置背景图的宽和高
#     width=200,
#     height=100,
#     # 设置背景颜色
#     background_color="white"
# )
# # 4、借助词云对象来生成词云文本
# wc_text = wc.generate(content)
# # 5、显示
# # 显示样式
# # interpolation ---显示方式
# plt.imshow(wc_text,interpolation="bilinear")
# # 关闭坐标显示
# plt.axis("off")
# # 显示
# plt.show()

# 1、生成词云
def get_wordcloud():
    """
    生成词云
    :return:
    """
    # 1、加载文本
    with open("./元尊.txt", "r", encoding="utf-8") as f:
        content = f.read()
    # print(content)
    # 2、文本分词
    # # 借助jieba 进行精确模式分词
    seg = jieba.cut(content, cut_all=False)
    content = ",".join(seg)
    print("分词之后的结果：
", content)
    # 3、加载背景图
    background_image = np.array(Image.open("./1.png"))
    # 4、生成词云对象
    wc = WordCloud(
        # 设置字体
        font_path="./simhei.ttf",
        # 设置背景图的大小
        # mask 参数---可以手动自己指定背景图，一旦设置背景图，那么就不需要设置背景图的宽和高
        mask=background_image,
        # 设置背景颜色
        background_color="white"
    )
    # 5、生词词云文本
    wc_text = wc.generate(content)

    # 6、提取背景图的颜色，来设置词云文本的颜色
    color = ImageColorGenerator(background_image)

    # 7、重新设置 词云文本的颜色
    wc.recolor(color_func=color)


    # 8、显示
    # 显示样式
    # interpolation ---显示方式
    plt.imshow(wc_text,interpolation="bilinear")
    # 关闭坐标显示
    plt.axis("off")
    # 显示
    plt.show()

get_wordcloud()