WordCloud是一款Python的第三方库,可以用于生成词云。词云可以以词语为基本单位,然后根据词语的出现频率确定词语的大小,将所有这些词放到一张图片里,就可以艺术的来展示文本。
先导入第三方库jieba,wordcloud,xlwt
词云库原理主要是对文章内容进行分词,统计各个词出现的次数,然后根据词语出现的次数设置显示样式,例如大小、颜色等,从而使读者快速领略文本的主旨。
Python中提供的第三方库wordcloud库可以快速生成词云图,但主要是针对英文生成的。
jieba 库是Python中一个重要的第三方中文分词函数库。其原理是利用一个中文词库,将待分词的内容与分词词库进行比对,通过图结构和动态规划方法找到最大概率的词组。此外,jieba库还提供了增加自定义中文单词的功能。
导入jieba,将中文的文本通过分词获得单个词语,返回类型为列表类型。
这是之前读取excel的方法,比较复杂,后面有一种简单的方法
二、用pandas读写excel文件
用pandas读取数据并创建文件对象 编号在第0列
打印出的结果:
获取后10行数据:
对每列的非空单元格进行计数:
将上海市的数据用excel文件的形式打印出来:
三、词云库wordcloud的安装与应用
1、安装
pip install wordcloud #网络安装
Python -m pip install #本地路径 #本地安装
2、应用
生成步骤:
创建云对象—>加载词云文本—>输出词云图片(文件)
(1)默认的矩形词云图片
(2)提供的图形词云图片
使用到的一些方法:
head(n):获取前n行数据,n默认为5,结果为DataFrame
tail(n):获取后n行数据,n默认为5,结果为DataFrame
to_excel(文件名):将数据保存到Excel文件中
set_index():设置索引列,可以用一个已有列名作为索引,返回新的对象
read_excel():从Excel文件中读取数据
index_col:索引列,可以是整数或者整数列表
show():显示图
savefig():保存图
axis():设置坐标轴取值范围
imshow():显示图片,绘制图片并显示