wordcloud + jieba 生成词云

利用jieba库和wordcloud生成中文词云。

 

jieba库：中文分词第三方库

　　分词原理：

　　　　利用中文词库，确定汉字之间的关联概率，关联概率大的生成词组

　　三种分词模式：

　　　　1、精确模式：把文本精确的切分开，不存在冗余单词

　　　　2、全模式：把文本中所有可能的词语都扫描出来，有冗余

　   　　 3、搜索引擎模式：在精确模式基础上，对长词再次切分

　　常用函数：

　　　　jieba.lcut(s)       #精确模式，返回列表类型的分词结果

　　　　jieba.lcut(s,cut_all=True)        #全模式，返回列表类型的分词结果

　　　　jieba.lcut_for_search(s,cut_all=True)         # 搜索引擎模式（精确模式后对过长的词再精确分词），返回列表类型的分词结果

　　　　jieba.add_word(w)　　#在参考的中文词库中添加自定义的词，如：jieba.add_word(“产生式系统”)，无返回

　　　　jieba.del_word(w)　　#在参考的中文词库中删除词

　　　　jieba.analyse.extract_tags(sentence,topK=10)　　#关键词提取，返回权重最大的10个词语，返回列表类型的提取结果，注意：import jieba.analyse

　　　　

wordcloud库：词云生成库

　　生成词云的三个步骤：　　　

import wordcloud

#1、生成wordcloud对象，设置字体路径和其他基本属性
#除了font_path外的一些常用属性：
#词云使用的字体：font_path
#生成图片的大小：width=120，height=120
#生成词云的形状：mask（结合下面的实例解释）
#词云的背景颜色：background_color="white"
w = wordcloud.WordCloud(font_path="C:/Users/ASUS/Desktop/aaa.ttf")

#2、产生词云
w.generate("春天 春天 在哪里 这里")

#3、把词云输出到已创建的png、jpg文件里，可打开查看结果
w.to_file("outfile.png")

　　产生的词云：

　　

　　安装与运行时可能遇到的问题：

　　　　1、安装：直接用命令行 pip install wordcloud 安装会产生错误   Microsoft Visual C++ 14.0 is required.

　　　　　  解决方法：1）点击进入pythonlib页面：https://www.lfd.uci.edu/~gohlke/pythonlibs/

　　　　　　　　　　  2）下拉找到wordcloud包：

　　　　　　　　　　　3）下载对应版本的wordcloud，存放到文件夹下

　　　　　　　　　　　　　　　　其中cp表示python版本，如36对应3.6 win为操作系统位数，32位或6位

　　　　　　　　　　　4）再执行命令行：

　　　　　　　　　　　　　　pip install C:datawordcloud-1.4.1-cp36-cp36m-win_amd64.whl

　　　　　　　　　　　5）安装成功

　　　　　　2、编译时显示 OSError: cannot open resource

　　　　　　　  解决方法：库中自带的字体文件不是中文，可以自己下载一个ttf字体文件放到对应文件夹下，

　　　　　　　　　　　　  一个ttf字体文件链接: https://pan.baidu.com/s/1xJVPe1YIXN9Wl_z3fkVpFg 密码: 7iux

　　　　　　　　　　　　  在生成词云时使用 wordcloud.WordCloud( font_path="C:/Users/ASUS/Desktop/returnline/aaa.ttf" ）

利用jieba+wordcloud生成词云

import wordcloud    
import jieba
from scipy.misc import imread   #生成遮罩mask（词云的形状）
import jieba.analyse    #top30关键词提取

mk=imread("0.jpg")  #获得作为遮罩的图片，我的是一只蜗牛
txt = open("1.txt").read()  #获得要生成词云的文本，并将内容转换为字符串
#生成词云对象，大小为120*120，遮罩是0.jpg，背景颜色是白色
w = wordcloud.WordCloud(font_path="C:/Users/ASUS/Desktop/returnline/aaa.ttf",width=120,height=120,mask=mk,background_color="white")
#jieba统计并提取权值top30的词语，返回list
ls=jieba.analyse.extract_tags(txt,topK=30)
#将list转换为元素间空格分隔的字符串，创建词云
w.generate(" ".join(ls))
#将词云导出到outfile.png
w.to_file("outfile.png")

　　　　遮罩图：

　　词云图：