Python如何制作詞云

本篇內容主要講解“Python如何制作詞云”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python如何制作詞云”吧!

效果如下：

(詞云--出現頻率越多的詞，字體越大 )

工具篇

1、安裝可視化庫

pip3 install matplotlib

3、安裝 “結巴” 庫， 這個名字起的真接地氣， 給開發者點個贊

pip3 install jieba

這個庫用來解析中文，把一句話解析成一個個的詞，

我們中文不像英文每個詞之間有空格。需要根據語義分析拆分成詞組

我們用《劍雨》的一段對話舉例：

import   jieba #引入結巴庫 
str='師傅，他為何說禪機已到,\
     佛祖點化世人講究機緣,\
     禪機一過緣即滅矣,\
     而禪機未到雖點亦不中
     我愿化身石橋又是何意'

print(str)
# 解析拆分詞組  lcut的方法
words = jieba.lcut(str)
print(words)

效果如下：

（ 把完整的句子拆分成一個個的詞，看著斷斷續續，可能這就是結巴的由來吧，【拆詞】最難的這部分，結巴庫都做好了，這也是python強大的原因吧，各式各樣的庫都有了 ）

結巴庫

網上下載txt格式的《西游記》,

下載完成后轉換成utf-8格式再保存一下。

轉化方法：記事本另存為的時候，選擇編碼格式UTF-8

format 格式化輸出：

#列標題 format
print("{0:<5}{1:<8}{2:<5}".format('序號','詞語', '頻率'))

{0:<5} ：

0 表示序號：第一個參數，第一列，

< 左對齊， > 右對齊

5 代表寬度

任務一：統計西游記里面出現頻率最高的10個詞：

后面為了方便，我們把這個叫主代碼。

#引入結巴庫
import  jieba 
#open 內置函數 不需要引用 直接使用
#開打文件西游記和python 文件放到同一個目錄，可直接引用不需要路徑
f = open('西游記.txt', 'r' ,encoding='utf-8'  )
# 查看文件的編碼格式
print('文件的編碼格式:'+f.encoding)
#讀取文件
txt = f.read()
#關閉文件，良好的習慣
f.close()

# 使用精確模式對文本進行分詞
#  使用結巴庫把西游拆分成一個個的詞組
words = jieba.lcut(txt)
 
# 通過鍵值對的形式存儲詞語及其出現的次數
# 大括號表示 python的字典類型對應，
# 鍵值對 key:value1 ,類似java的map對象和list 
counts = {}     

chiyun = []
for word in words:
     # == 1 單個詞語不計算在內
    if  len(word) < 2 :  
        continue
    else:
         # 遍歷所有詞語，每出現一次其對應的值加 1
        counts[word] = counts.get(word, 0) + 1   

#將鍵值對轉換成列表
items = list(counts.items())

# 根據詞語出現的次數進行從大到小排序
items.sort(key=lambda x: x[1], reverse=True)
#列標題 format
print("{0:<5}{1:<8}{2:<5}".format('序號','詞語', '頻率'))
#需要顯示的范圍  10即顯示前10個，0到9
for i in range(10):
    word, count = items[i]
    print("{0:<5}{1:<8}{2:>5}".format(i+1,word, count))

效果如下：

還是沒有觀音， 放出前100,200,300 到500在看：

終于出現了，在349位，重復61次，

應該是有哪里問題，直覺判斷不止61次重復

預知后事如何，請聽下回分解，‘下回分解’排第二合理。

悟空每次打妖怪都要吹下牛，在洞口報個名：我是五百年前大鬧天宮的齊天大圣，這兩個詞出現在前10 合理。

詞云庫

我們在梳理下流程：

注意下：結巴庫不是必須，主要是用來把句子拆分成詞，如果你已經有統計好的詞組，可直接用詞云顯示。

試一個簡單的：我們手工創建個詞組，直接用詞云顯示出來。即繞開結巴庫了

from wordcloud import WordCloud
# python的可視化庫，也是二級考試推薦的可視化庫
import matplotlib.pyplot as plt


str=['齊天大圣','大圣','大圣','八戒','嫦娥']
#數組里面添加內容
str.append('玉兔')
str.append('女兒國')
str.append('牛魔王')
str.append('大圣')
str.append('土地公公')
str.append('小神仙')
str.append('八戒')

print(str)
#join 函數 用斜桿拼接詞組mask =maskph,
#這里一定要join拼接一下 轉成字符串
text_cut  =  '/'.join(str)

#看一下連接后的樣子 
#關鍵點 text_cut 是詞云要處理的內容
print(text_cut)
wordcloud = WordCloud(  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 顯示圖片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

可觀察下效果圖：主要join后的輸出，用/拼接成了一個字符串：

效果圖：

(大圣和八戒出現次數多，字體最大)

詞云圖

先把全代碼放上，后面實例在解析：

這段可先略過，下面直接看效果圖：

#引入結巴庫
import  jieba
#詞云庫
from wordcloud import WordCloud
# python的可視化庫，也是二級考試推薦的可視化庫
import matplotlib.pyplot as plt
from PIL import Image  #處理圖片的
 #矩陣 好像也是協助處理圖片的
import numpy as np 



#open 內置函數 不需要引用 直接使用
#開打文件西游記和python 文件放到同一個目錄，可直接引用不需要路徑
f = open('西游記.txt', 'r' ,encoding='utf-8'  )

# 查看文件的編碼格式
print('文件的編碼格式:'+f.encoding)

#讀取文件
txt = f.read()

#關閉文件，良好的習慣
f.close()


# 使用精確模式對文本進行分詞
#  使用結巴庫把西游拆分成一個個的詞組
words = jieba.lcut(txt)


# 通過鍵值對的形式存儲詞語及其出現的次數
# 大括號表示 python的字典類型對應，
# 鍵值對 key:value1 ,類似java的map對象和list 
counts = {}     
#數組對象  用來接收需要傳遞給詞云的內容
chiyun = []
for word in words:
     # == 1 單個詞語不計算在內
    if  len(word) < 2 :  
        continue
    else:
         # 遍歷所有詞語，每出現一次其對應的值加 1
        counts[word] = counts.get(word, 0) + 1   

#將鍵值對轉換成列表
items = list(counts.items())

# 根據詞語出現的次數進行從大到小排序
items.sort(key=lambda x: x[1], reverse=True)


#列標題 format
print("{0:<5}{1:<8}{2:<5}".format('序號','詞語', '頻率'))


#需要顯示的范圍  10即顯示前10個，0到9
for i in range(80):
    word, count = items[i]
    print("{0:<5}{1:<8}{2:>5}".format(i+1,word, count))
    chiyun.append(word)


 #print(chiyun) 


#加載圖片信息
maskph = np.array(Image.open('山東艦航母.png'))


#join 函數 用斜桿拼接詞組
text_cut  =  '/'.join(chiyun)
wordcloud = WordCloud(mask =maskph,  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 顯示圖片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

效果1：全部顯示

即：結巴庫處理好的詞組，不做限制，全部送給詞云顯示：

顯示二：限定內容顯示

比如改成 只輸出前20個詞：（顯示密度會稀好多）

即：結巴庫處理好后，取前20個高頻詞傳給詞云顯示：

再試一下前20的 四個字的詞：

到此，相信大家對“Python如何制作詞云”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！