jieba分詞wordcloud詞雲

1.jieba庫的基本介紹

(1)、jieba是優秀的中文分詞第三方庫

• 中文文本須要經過分詞得到單個的詞語
• jieba是優秀的中文分詞第三方庫，須要額外安裝
• jieba庫提供三種分詞模式，最簡單隻需掌握一個函數

(2)、jieba分詞的原理

• Jieba分詞依靠中文詞庫

• 利用一箇中文詞庫，肯定漢字之間的關聯機率
  漢字間機率大的組成詞組，造成分詞結果

• 除了分詞，用戶還能夠添加自定義的詞組

2.jieba庫使用說明

(1)、jieba分詞的三種模式

• 精確模式、全模式、搜索引擎模式

精確模式：把文本精確的切分開，不存在冗餘單詞
全模式：把文本中全部可能的詞語都掃描出來，有冗餘

搜索引擎模式：在精確模式基礎上，對長詞再次切分

三、wordcloud

wordcloud是優秀的詞雲展現第三方庫，以詞語爲基本單位，經過圖形可視化的方式，更加直觀和藝術的展現文本。

基本使用

wordcloud 庫把詞雲看成一個WordCloud對象

wordcloud.WordCloud()表明一個文本對應的詞雲
能夠根據文本中詞語出現的頻率等參數繪製詞雲
繪製詞雲的形狀、尺寸和顏色都可設定
以WordCloud對象爲基礎，配置參數、加載文本、輸出文件

常規方法

方法	描述
w.generate('分割後的分詞')	向WordCloud對象中加載文本txt。 w.generate('python and WordCloud')
w.to_file(filename)	將詞雲輸出爲圖像文件，png或jpg格式

import wordcloud
c=wordcloud.WordCloud()           #1.配置對象參數
c.generate("wordcloud by python")  #2.加載詞雲文本
c.to_file("pywordcloud.png")      #3.輸出詞雲文件

wordcloud如何將文本轉化爲詞雲

• 1.分隔：以空格分隔單詞
• 2.統計：單詞出現次數並過濾
• 3.字體：根據統計配置字號
• 4.佈局：顏色環境尺寸

配置對象參數

w= wordcloud.WordCloud(<參數>)

參數	描述
width	指定詞雲對象生成圖片的寬度,默認400像素 w=wordcloud.WordCloud(width=600)
height	指定詞雲對象生成圖片的高度,默認200像素 w=wordcloud.WordCloud(height=400)
min_font_size	指定詞雲中字體的最小字號，默認4號 w=wordcloud.WordCloud(min_font_size=10)
max_font_size	指定詞雲中字體的最大字號，根據高度自動調節 w=wordcloud.WordCloud(max_font_size=20)
font_step	指定詞雲中字體字號的步進間隔，默認爲1 w=wordcloud.WordCloud(font_step=2)
font_path	指定文體文件的路徑，默認None w=wordcloud.WordCloud(font_path="msyh.ttc")
max_words	指定詞雲顯示的最大單詞數量,默認200 w=wordcloud.WordCloud(max_words=20)
stop_words	指定詞雲的排除詞列表，即不顯示的單詞列表 w=wordcloud.WordCloud(stop_words="Python")
mask	指定詞雲形狀，默認爲長方形，須要引用imread()函數 from scipy.msc import imread mk=imread("pic.png") w=wordcloud.WordCloud(mask=mk)
background_color	指定詞雲圖片的背景顏色，默認爲黑色 w=wordcloud.WordCloud(background_color="white")

實例

from wordcloud import WordCloud
import matplotlib.pyplot as plt
# from scipy.misc import imread
from imageio import imread
import jieba
f = open('火影忍者.txt','r',encoding='utf-8')
data = f.read()
res = jieba.lcut(data)

result = ''.join(res)
color_mask = imread('鳴人.jpg')

wc = WordCloud(
    mask = color_mask,
    font_path=r'search-ms:displayname=「本地磁盤%20(C%3A)」中的搜索結果&crumb=location:C%3A%5C\Fonts\ygyxsziti2.0.ttf',
    background_color='yellow',
    height=1300,
    width=2600,
    max_font_size=50,
    min_font_size=1,
)

wc.generate(result)
wc.to_file('火影忍者.png')
plt.imshow(wc)
plt.show()