中文词频统计及绘制词云图2


import jieba
import pandas as pd
import numpy as np
import PIL.Image as Image
from wordcloud import WordCloud

#读取stopwords.txt
with open('stopwords.txt','r',encoding ='utf-8') as f:
    st = f.readlines()
 
stopwords = [i.strip() for i in st]

with open('报告.txt','r') as f:
    d = f.read()

words = [i.strip().replace('\n','') for i in jieba.lcut(d)]

#去除停用词
for j in stopwords:
    if j in words:
        #将words中的每一个j都删除
        for k in range(words.count(j)):
            words.remove(j)

#统计词频并降序排列value_counts(values,sort=True,ascending=False,normalize=False,bins=None,dropna=True)
dicts = pd.value_counts(words)
#如果只有一个字符去掉
drop_index = []
for i in dicts.index:
    if len(i) == 1:
        drop_index.append(i)
dict_sort_notone = dicts.drop(drop_index)
#取前100条数据
top_100 = dict_sort_notone[:100]

sd = [i for i in top_100.index]
res = ' '.join(sd)


pic = np.array(Image.open("pic.jpg"))
wordclo = WordCloud(
    font_path='HGBS1_CNKI.TTF',  # 设置字体,本机的字体
    mask=pic,  # 设置背景图片
    background_color='white',  # 设置背景颜色
    max_font_size=180,  # 字体最大值
    max_words=1000,  # 设置最多字数
    stopwords={'呢'}  # 设置停用词,不出现
                  ).generate(res)
"""
整体是根据排序进行绘制大小
就是res字符中谁靠前,谁绘制的越大
"""

image = wordclo.to_image()
image.show()  #显示图片
wordclo.to_file('result.png')

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