结巴库及词频统计bb

下面是利用云图和结巴库完成词频统计。代码如下：

# -*- coding:utf-8 -*-
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
from jieba import *

def Replace(text,old,new): #替换列表的字符串
    for char in old:
        text = text.replace(char,new)
    return text

def getText(filename): #读取文件内容（utf-8 编码格式）
    #特殊符号和部分无意义的词
    sign = '''！~·@￥……*“”‘’\n（）{}【】；："'「，」。-、？'''
    txt = open('{}.txt'.format(filename),encoding='utf-8').read()
    return Replace(txt,sign," ")

def creat_word_cloud(filename): #将filename 文件的词语按出现次数输出为词云图
    text = getText(filename) #读取文件
    wordlist = lcut(text) #jieba库精确模式分词
    wl = ' '.join(wordlist) #生成新的字符串

    #设置词云图
    font = r'C:\Windows\Fonts\simfang.ttf' #设置字体路径
    wc = WordCloud(
        background_color = 'black', #背景颜色
        max_words = 2000,           #设置最大显示的词云数
        font_path = font,           #设置字体形式（在本机系统中）
        height = 1200,              #图片高度
        width = 1600,               #图片宽度
        max_font_size = 100,        #字体最大值
        random_state = 100,         #配色方案的种类
        )
    myword = wc.generate(wl) #生成词云
    #展示词云图
    plt.imshow(myword)
    plt.axis('off')
    plt.show()
    #以原本的filename命名保存词云图
    wc.to_file('{}.png'.format(filename))

if __name__ == '__main__':
    creat_word_cloud('Detective_Novel') #输入文件名生成词云图

注：代码使用的文档 >>> Detective_Novel(utf-8).zip [点击下载]，也可自行找 utf-8 编码格式的txt文件。

效果如下：

结巴库及词频统计bb

猜你喜欢