一、生成歌词词云
首先我们需要先获取所有爬取到的歌曲的歌词,将他们合成字符串
随后提取其中的中文,再合成字符串
之后使用jieba进行分词,并将其中分出来的长度大于等于2的词保存
接下来为生成的词云选择一张好看的图片,就可以开始生成了!
WordCloud参数中的contour_width=1, contour_color='lightblue’分别为背景图片轮廓线条的粗细和颜色,如果没有设置则不会出现轮廓,font_path是用来指定字体的
生成后可以通过show展示也可以通过保存到本地并打开,最终结果如下
二、热门歌手歌曲量饼图
首先是获得热门歌手列表以及热门歌手歌曲量
随后用每个歌手歌曲数量除以所有这十个歌手的总歌曲数量,得到每个歌手歌曲量的占比
接下来可以选择设置哪一块突出显示,如图中周杰伦部分突出显示
如下只需要将突出部分的值设置大即可
接下来就可以生成饼图了
其中x是歌曲量占比的列表,labels是对应的标签(在此图中则为歌手的姓名),explode就是上文提到的突出显示,这三个列表中的各个值是一一对应的,autopct是设置占比数值的显示方式,3.1f则表示占宽为3位(如果大于会原样输出),精度为1的浮点数
同样可以选择直接show展示,或者保存到本地再打开
三、歌曲热度占比条形图
在之前我们通过爬虫获取了top500的歌曲的信息(如下),现在我们希望对歌曲的热度进行分析,生成柱状图
效果图如下:
本来是想生成歌手拥有热门歌曲数量的柱形图的,但是那个爬取热门歌曲的网站中那些热门歌曲没有对应的歌手,还需要自己再去其他网站获得每首歌曲对应的歌手,太麻烦了就没这么做了,有兴趣的小伙伴可以自己实现一下
首先我们要获得每个热度范围的歌曲数量
下面的data列表就是对应x元组范围的歌曲数量
我们只要通过遍历歌曲热度列表,每次都在其data列表对应热度+1,最终即可得到每个热度范围的歌曲数量
接下来就是创建柱状图,首先解决中文乱码问题
随后即可通过plt.bar创建,其中第一个参数为横坐标数据,第二个参数为纵坐标数据,第三个参数为为柱状图填充颜色,第四个参数为透明度
title,xlabel,ylabel显然就是该柱状图的标题,横坐标和纵坐标的名称
如果你还没有系统的学习资料,有需要的读者朋友们可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】==
![](https://i-blog.csdnimg.cn/blog_migrate/179c54ca868305fec2a2e3272fafc74e.png)
一、Python学习大纲
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、入门学习视频
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、python副业兼职与全职路线
👉[[CSDN大礼包:《python兼职资源&全套学习资料》免费分享]](安全链接,放心点击)