zoukankan      html  css  js  c++  java
  • Python模块---Wordcloud生成词云图

    wordcloud是Python扩展库中一种将词语用图片表达出来的一种形式,通过词云生成的图片,我们可以更加直观的看出某篇文章的故事梗概。

    首先贴出一张词云图(以哈利波特小说为例):

    在生成词云图之前,首先要做一些准备工作

    1.安装结巴分词库

    pip install jieba

     Python中的分词模块有很多,他们的功能也都是大同小异,我们安装的结巴分词 是当前使用的最多的类型。

    下面我来简单介绍一下结巴分词的用法

    结巴分词的分词模式分为三种:

    (1)全模式:把句子中所有的可以成词的词语都扫描出来, 速度快,但是不能解决歧义问题

    (2)精确模式:将句子最精确地切开,适合文本分析

    (3)搜索引擎模式:在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词

     下面用一个简单的例子来看一下三种模式的分词区别:

     1 import jieba
     2 
     3 # 全模式:把句子中所有的可以成词的词语都扫描出来, 速度快,但是不能解决歧义问题
     4 text = "哈利波特是一常优秀的文学作品"
     5 seg_list = jieba.cut(text, cut_all=True)
     6 print(u"[全模式]: ", "/ ".join(seg_list))
     7 
     8 # 精确模式:将句子最精确地切开,适合文本分析
     9 seg_list = jieba.cut(text, cut_all=False)
    10 print(u"[精确模式]: ", "/ ".join(seg_list))
    11 
    12 # 默认是精确模式
    13 seg_list = jieba.cut(text)
    14 print(u"[默认模式]: ", "/ ".join(seg_list))
    15 
    16 # 搜索引擎模式:在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词
    17 seg_list = jieba.cut_for_search(text)
    18 print(u"[搜索引擎模式]: ", "/ ".join(seg_list))

    下面是对这句话的分词方式:

    通过这三种分词模式可以看出,这些分词模式并没有很好的划分出“哈利波特”这个专有名词,这是因为在结巴分词的字典中并没有记录这个名词,所以需要我们手动添加自定义字典

    添加自定义字典:找一个方便引用的位置              (下图的路径是我安装的位置),新建文本文档(后缀名为.txt),将想添加的词输入进去(注意输入格式),保存并退出

     在上面的代码中加入自定义字典的路径,再点击运行

    jieba.load_userdict("/home/jmhao/anaconda3/lib/python3.7/site-packages/jieba/mydict.txt")

    分词结果,可以看出“哈利波特”这个词已经被识别出来了

    结巴分词还有另一个禁用词的输出结果

     1 stopwords = {}.fromkeys(['优秀', '文学作品'])
     2 
     3 #添加禁用词之后
     4 seg_list = jieba.cut(text)
     5 final = ''
     6 for seg in seg_list:
     7     if seg not in stopwords:
     8             final += seg
     9 seg_list_new = jieba.cut(final)
    10 print(u"[切割之后]: ", "/ ".join(seg_list_new))

    可以看到输出结果中并没有“优秀”和“文学作品”两个词

     结巴分词还有很多比较复杂的操作,具体的可以去官网查看,我就不再过多的赘述了

     下面我们正式开始词云的制作

    首先下载模块,这里我所使用的环境是Anaconda,由于Anaconda中包含很多常用的扩展包,所以这里只需要下载wordcloud。若使用的环境不是Anaconda,则另需安装numpy和PIL模块

    pip install wordcloud

    然后我们需要找一篇文章并使用结巴分词将文章分成词语的形式

    1 # 分词模块
    2 def cut(text):
    3     # 选择分词模式
    4     word_list = jieba.cut(text,cut_all= True)
    5     # 分词后在单独个体之间加上空格
    6     result = " ".join(word_list)
    7     # 返回分词结果
    8     return result

    这里我在当前文件夹下创建了一个文本文档“xiaoshuo.txt”,并复制了一章的小说作为词云的主体文字

    使用代码控制,打开并读取小说的内容

    1 #导入文本文件,进行分词,制作词云
    2 with open("xiaoshuo.txt") as fp:
    3     text = fp.read()
    4     # 将读取的中文文档进行分词
    5     text = cut(text)

    在网上找到一张白色背景的图片下载到当前文件夹,作为词云的背景图(若不指定图片,则默认生成矩形词云)

    #设置词云形状,若设置了词云的形状,生成的词云与图片保持一致,后面设置的宽度和高度将默认无效
        mask = np.array(image.open("monkey.jpeg"))

    接下来可以根据喜好来定义词云的颜色、轮廓等参数 下面为常用的参数设置方法

    font_path : "字体路径" 词云的字体样式,若要输出中文,则跟随中文的字体
    width =  n 画布宽度,默认为400像素
    height =  n 画布高度,默认为400像素
    scale = n 按比例放大或缩小画布
    min_font_size = n 设置最小的字体大小
    max_font_size = n 设置最大的字体大小
    stopwords = 'words' 设置要屏蔽的词语
    background_color = ''color 设置背景板颜色
    relative_scaling = n 设置字体大小与词频的关联性
    contour_width = n 设置轮廓宽度
    contour_color = 'color' 设置轮廓颜色

    完整代码

     1 #导入词云库
     2 from wordcloud import WordCloud
     3 #导入图像处理库
     4 import PIL.Image as image
     5 #导入数据处理库
     6 import numpy as np
     7 #导入结巴分词库
     8 import jieba
     9 
    10 # 分词模块
    11 def cut(text):
    12     # 选择分词模式
    13     word_list = jieba.cut(text,cut_all= True)
    14     # 分词后在单独个体之间加上空格
    15     result = " ".join(word_list)
    16     return result
    17 
    18 #导入文本文件,进行分词,制作词云
    19 with open("xiaoshuo.txt") as fp:
    20     text = fp.read()
    21     # 将读取的中文文档进行分词
    22     text = cut(text)
    23     #设置词云形状
    24     mask = np.array(image.open("monkey.jpeg"))
    25     #自定义词云
    26     wordcloud = WordCloud(
    27         # 遮罩层,除白色背景外,其余图层全部绘制(之前设置的宽高无效)
    28         mask=mask,
    29         #默认黑色背景,更改为白色
    30         background_color='#FFFFFF',
    31         #按照比例扩大或缩小画布
    32         scale=1,
    33         # 若想生成中文字体,需添加中文字体路径
    34         font_path="/usr/share/fonts/bb5828/逐浪雅宋体.otf"
    35     ).generate(text)
    36     #返回对象
    37     image_produce = wordcloud.to_image()
    38     #保存图片
    39     wordcloud.to_file("new_wordcloud.jpg")
    40     #显示图像
    41     image_produce.show()

    注:若想要生成图片样式的词云图,找到的图片背景必须为白色,或者使用Photoshop抠图替换成白色背景,否则生成的词云为矩形

    我的词云原图:

    生成的词云图:

  • 相关阅读:
    联想 Vibe Shot(Z90-3) 免recovery 获取ROOT权限 救砖 VIBEUI V3.1_1625
    联想 Z5S(L78071)免解锁BL 免rec 保留数据 ROOT Magisk Xposed 救砖 ZUI 10.5.370
    联想 Z5(L78011) 免解锁BL 免rec 保留数据 ROOT Magisk Xposed 救砖 ZUI 10.5.254
    联想 S5 Pro(L78041)免解锁BL 免rec 保留数据 ROOT Magisk Xposed 救砖 ZUI 5.0.123
    第二阶段 冲刺八
    第二阶段 冲刺七
    第二阶段 冲刺六
    第二阶段 冲刺五
    代码大全阅读笔记03
    学习进度十二
  • 原文地址:https://www.cnblogs.com/cherish-hao/p/12593903.html
Copyright © 2011-2022 走看看