python进行词语筛选生成词云

import wordcloud
import re
import jieba
import pandas as pd
import numpy
from wordcloud import WordCloud
import matplotlib.pyplot as plt
type = ['','&percent_type=h','&percent_type=m','&percent_type=l']
for j in range(4):
    with open('影评{}'.format(type[j]) + '.txt',"r",encoding='utf-8') as f:#
    #可以选择替换txt文件
        data=f.readlines()
        col = ''
        for k in data:
            k = k.strip('\n')  # 去掉读取中的换行字符

            col=col+k
        pattern = re.compile(r'[\u4e00-\u9fa5]+')#查找汉字
        filterdata = re.findall(pattern, col)
        cleanedcol=''.join(filterdata)

        segment = jieba.lcut(cleanedcol)#分解成词语
        words_df = pd.DataFrame({'segment': segment})
        #创建Dataframe型的数据结构,类似于表格,用于存放排序segment
        stopwords = pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep="\t",names=['stopword'],encoding='gbk')
        #读取stopwords中的内容存入stopwords(和Dtaframe结构相似)中
        words_df=words_df[~words_df.segment.isin(stopwords.stopword)]
        #isin函数用于清洗数据,把words_df中的数据换成两个表中都不存在的数据
        words_stat=words_df.groupby(by=['segment'])['segment'].agg([("计数",numpy.size)])
        #对words_stat中的词语统计,新添一列计数表示每个词出现的频率
        words_stat=words_stat.reset_index().sort_values(by=["计数"],ascending=False)
        #按照计数中的数值大小降序排序
        word_fre={x[0]:x[1] for x in words_stat.head(1000).values}
        #读取前两列数据key和value
        word_fre_list=[]
        for key in word_fre:
            temp = (key,word_fre[key])
            word_fre_list.append(temp)
            #存入word_fre_list中
        wordcloud=WordCloud(font_path="simhei.ttf",background_color="white",width=2000,height=1000)
        wordcloud=wordcloud.fit_words(dict(word_fre_list))


        wordcloud.to_file("F://PycharmDemo/Project/DouBan/temp{}".format(type[j])+".png")


#-----------------------------------------------------------------------------------

    # with open('F:\\PycharmDemo\Test\影评{}'.format(type[j]) + '.txt',"r",encoding='utf-8') as f:
    #     wordcloud = WordCloud(background_color='Black',  # 背景色
    #                           width=2000,  # 宽度
    #                           height=1000,  # 高度
    #                           margin=1,  # 词语边缘距离
    #                           font_path='C:\windows\Fonts\simhei.ttf') .generate(f.read())
    #     wordcloud.to_image().show()



  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

隼尘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值