一、jieba
jieba分词有三种拆词模式:
jieba.cut(cut_all=False) # 精确模式 适用于文本分析(建模)
jieba.cut(cut_all=True) # 全模式 适合搜索引擎
jieba.cut_for_search() # 搜索引擎模式
cut方法拆完是一个生成器对象
jieba.lcut(cut_all=False) # 精确模式 适用于文本分析(建模)
jieba.lcut(cut_all=True) # 全模式 适合搜索引擎
jieba.lcut_for_search() # 搜索引擎模式
lcut方法拆完是一个列表
二、练习
2.1 词云图制作
import wordcloud
import jieba
import numpy as np
import pandas as pd
from PIL import Image
import matplotlib.pyplot as plt
douyin = pd.read_csv('douyin.csv')
# 导入停用词列表
stopwords = pd.read_csv('stopwords.txt',encoding='gbk',header=None, error_bad_lines=False)[0].values.tolist()
stopwords1 = ['️', '!', '—', '❤',',','•']
content = ""
for i in douyin['signature'].v