读取txt文件并生成词云图
-
(一)下载第三方模块
1.wordcloud:它把我们带权重的关键词渲染成词云。
2.jieba：是一个分词模块，因为我是从一个txt文本里提取关键词，所以需要 jieba 来分词并统计词频。如果是已经有了现成的数据，不再需要它。
pip install wordcloud pip install jieba
-
（二）WordCloud类的使用
-
WordCloud构造方法的参数 说明 font_path 字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = ‘黑体.ttf’ width 输出的画布宽度，默认为400像素 height 输出的画布高度，默认为200像素 prefer_horizontal 词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ） mask 如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread(‘读取一张图片.png’)，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存。 scale 按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。 min_font_size 显示的最小的字体大小 font_step 字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。 max_words 显示的词的最大个数 stopwords 设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS background_color 背景颜色，如background_color=‘white’,背景颜色为白色。 max_font_size 显示的最大的字体大小 mode 当参数为“RGBA”并且background_color不为空时，背景为透明。 relative_scaling 词频和字体大小的关联性 color_func 生成新颜色的函数，如果为空，则使用 self.color_func regexp 使用正则表达式分隔输入的文本 collocations 是否包括两个词的搭配 colormap 给每个单词随机分配颜色，若指定color_func，则忽略该方法。
数据准备
小说《中国合伙人1.txt》，约3400行
源代码
import jieba
import jieba.analyse
import codecs
import re
from collections import Counter
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import wordcloud
# 创建停用词列表
def stopwordlist():
stopwords = [line.strip() for line in open('../结巴分词/hit_stopwords.txt',encoding='UTF-8').readlines()]
return stopwords
# 对句子进行中文分词
def seg_depart(sentence):
print('正在分词')
sentence_depart = jieba.cut(sentence.strip())
# 创建一个停用词列表
stopwords = stopwordlist()
# 输出结果为 outstr
outstr = ''
# 去停用词
for word in sentence_depart:
if word not in stopwords:
if word != '\t':
outstr += word
outstr += " "
return outstr
print("读取文件并生成词云图")
def create_word_cloud(file):
# 读取文件内容
content = codecs.open(file,'r','gbk').read()
# 去停用词
content = seg_depart(content)
# 结巴分词
wordlist = jieba.cut(content)
wl = " ".join(wordlist)
print(wl)
# 配置词云图
wc = wordcloud.WordCloud(
# 设置背景颜色
background_color='white',
# 设置最大显示的词数
max_words=100,
# 设置字体路径
font_path = 'C:\Windows\Fonts\msyh.ttc',
height=1200,
width=1600,
# 设置字体最大值
max_font_size=300,
# 设置有多少种配色方案，即多少种随机生成状态
random_state=50,
)
# 生成词云图
myword = wc.generate(wl)
# 展示词云图
plt.imshow(myword)
plt.axis("off")
plt.show()
create_word_cloud("中国合伙人1.txt")
生成词云图
