jieba分词wordcloud词云

(1)、jieba是优秀的中文分词第三方库

中文文本需要通过分词获得单个的词语
jieba是优秀的中文分词第三方库，需要额外安装
jieba库提供三种分词模式，最简单只需掌握一个函数

(2)、jieba分词的原理

Jieba分词依靠中文词库
利用一个中文词库，确定汉字之间的关联概率
汉字间概率大的组成词组，形成分词结果
除了分词，用户还可以添加自定义的词组

(1)、jieba分词的三种模式

精确模式、全模式、搜索引擎模式

精确模式：把文本精确的切分开，不存在冗余单词
全模式：把文本中所有可能的词语都扫描出来，有冗余

搜索引擎模式：在精确模式基础上，对长词再次切分

3、wordcloud

wordcloud是优秀的词云展示第三方库，以词语为基本单位，通过图形可视化的方式，更加直观和艺术的展示文本。

基本使用

wordcloud 库把词云当作一个WordCloud对象

wordcloud.WordCloud()代表一个文本对应的词云 可以根据文本中词语出现的频率等参数绘制词云 绘制词云的形状、尺寸和颜色均可设定 以WordCloud对象为基础，配置参数、加载文本、输出文件

方法	描述
`w.generate`('分割后的分词')	向`WordCloud`对象中加载文本txt。 `w.generate('python and WordCloud')`
`w.to_file(filename)`	将词云输出为图像文件，png或jpg格式

import wordcloud c=wordcloud.WordCloud()           #1.配置对象参数 c.generate("wordcloud by python")  #2.加载词云文本 c.to_file("pywordcloud.png")      #3.输出词云文件

1.分隔：以空格分隔单词
2.统计：单词出现次数并过滤
3.字体：根据统计配置字号
4.布局：颜色环境尺寸

w= wordcloud.WordCloud(<参数>)

参数	描述
width	指定词云对象生成图片的宽度,默认400像素 `w=wordcloud.WordCloud(width=600)`
height	指定词云对象生成图片的高度,默认200像素 `w=wordcloud.WordCloud(height=400)`
min_font_size	指定词云中字体的最小字号，默认4号 `w=wordcloud.WordCloud(min_font_size=10)`
max_font_size	指定词云中字体的最大字号，根据高度自动调节 `w=wordcloud.WordCloud(max_font_size=20)`
font_step	指定词云中字体字号的步进间隔，默认为1 `w=wordcloud.WordCloud(font_step=2)`
font_path	指定文体文件的路径，默认None `w=wordcloud.WordCloud(font_path="msyh.ttc")`
max_words	指定词云显示的最大单词数量,默认200 `w=wordcloud.WordCloud(max_words=20)`
stop_words	指定词云的排除词列表，即不显示的单词列表 `w=wordcloud.WordCloud(stop_words="Python")`
mask	指定词云形状，默认为长方形，需要引用imread()函数 `from scipy.msc import imread` `mk=imread("pic.png")` `w=wordcloud.WordCloud(mask=mk)`
background_color	指定词云图片的背景颜色，默认为黑色 `w=wordcloud.WordCloud(background_color="white")`

实例

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('鸣人.jpg')  wc = WordCloud(     mask = color_mask,     font_path=r'search-ms:displayname=“本地磁盘%20(C%3A)”中的搜索结果&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()

来源：博客园

作者：Leti

链接：https://www.cnblogs.com/leiting7/p/11770846.html

标签

jieba

中文分词

分词

imread