读取txt文件并生成词云图

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