精华笔记（结巴分词和词云）

jieba分词笔记

jieba库分词的三种模式∶

• 精准模式︰把文本精准地分开，不存在冗余﹔
• 全模式∶把文中所有可能的词语都扫描出来，存在冗余﹔
• 搜索引擎模式︰在精准模式的基础上，再次对长词进行切分。

分词的常见函数及参数说明

• jieba.cut(sentence, cut_all=False,HMM=True) : sentence表示需要分词的句子，cut_all
  表示是否采用全模式，HMM表示是否使用HMM（隐马尔可夫模型）模型;

• jieba.cut_for_search(sentence,HMM=True): sentence表示需要分词的句子，HMM表示
  是否使用HMM模型，该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细;

  jieba.cut(方法和jieba.cut_for_search()方法返回的结果都是可迭代对象，可使用for循环获
  取分词后得到的每一个词语，此外，jieba.lcut()和jieba.lcut_for_search()效果分别和
  jieba.cut()和jieba.cut_for_search()效果类似，直接返回列表;

• add_word(word,freq=None, tag=None)和del_word(word)可在程序中动态修改词典;

WordCloud

生成词云的步骤

1.创建wordcloud对象，设定基本信息；
2.调用generate)方法生成词云;
3.保存或显示词云图。

WordCloud关键方法及其参数说明

1.WordCloud(font_path=None,width=400,height=200,margin=2,mask=None,**max_**words=200,min_font_size=4, stopwords=None,background_color=‘black’, max_font_size=None, font_step=1)

参数说明：

• font_path :字体路径，默认不支持中文，可通过该参数指定字体，支持OTF和TITF格式;
• width、height:画布的宽度和高度，单位为像素;
• margin:文字之间的边距;
• mask:指定图片的形状，忽略白色部分，通常为ndarray ;
• max_words:最多显示的词的数量，默认为200 ;
• min_font_size、max_font_size∶最小字体大小、最大字体大小；
• background_color :词云图的背景颜色，默认为黑色
• font_step：字体大小增加步长，默认为1

2.generate ( text):根据文本生成词云图，返回当前对象本身;
3.to_image（）：将词云对象转化为图片;
4.to_file(文件名)∶将词云对象转化为文件;
5.to_array（）∶将词云对象转化为数组。