python 中文文本里的词的重复数_Python制作词云案例

今天主要用一个小案例来练习 Python。通过案例可以了解：

1.jieba 库，很多初学者都是在做一些简单分词的时候了解到 jieba 库。这个库功能非常强大，如果后续考虑往 NLP 方向发展，也会和 jieba 库打交道；

2.wordcloud 库，后续做一些简单的文本分析，可以用到；

3.PIL 库的简单用法。

# 导入需要用到的库import jiebafrom PIL import Imageimport pandas as pdimport numpy as npfrom wordcloud import WordCloudfrom wordcloud import ImageColorGeneratorimport matplotlib.pyplot as plt%matplotlib inline

# 导入本地txt文件，因为是练习，所以随意找一篇txt文件f = open('/Downloads/穿成七零白富美.txt', 'r',encoding='gb18030').read()# 使用jieba中文分词，jieba分词有多种模式，这里我们选用精确分词，避免词云词语出现重复 了解地址：https://github.com/fxsjy/jieba# 把 generator 转化为字符串cut_text = " ".join(jieba.cut(f, cut_all=False))#查看分好的前200个字符cut_text[:200]

'= = = = = = = = = = = = = = = = = = \n 《 穿 成七零白富 美 》 \n 作者 ：似伊 \n \n \n \u3000 \u3000 【 文案 】 ：\n \u3000 \u3000 一 觉醒 来 ， 叶秋秋 穿越 了 \n \u3000 \u3000 带 着 一个 玉佩 空间 来到 了 吃不饱 ， 穿 不 暖 的 七十年代 ， 成为 红旗 生产队 大队长 家 的 闺女 \n \u3000 \u3000 生产队 里 有 个 传言 ， 那 老 叶家 啊'

# 选好一张本地图片，作为词云蒙版

path_img ='/Downloads/timg.jpeg'#将image转化为矩阵background_image = np.array(Image.open(path_img))# 提取图片中的主要颜色，反馈到词云中的文字上image_colors = ImageColorGenerator(background_image)

wordcloud = WordCloud(font_path='/Library/Fonts/msyh.ttf', # 本地中文字体，不加会乱码                      mask=background_image,  #传入蒙版图像矩阵，使得词云的分布与传入的蒙版图像一致，也就是要传入矩阵格式                      height=400, # 高度设置为400                      width=800, # 宽度设置为800                      scale=20, # 长宽拉伸程度设置为20                      max_words=100, # 控制一张画布中最多绘制的词个数，默认为200                      background_color='white' # 背景色为白色                     ).generate(cut_text)plt.figure(figsize=[12, 10])plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)plt.axis('off')plt.show()

温馨小贴示：关注公众号，在对话框回复「词云源码1」获取源码。

本周福利

扫码关注，后台回复【0907】，领取数据采集思维导图，轻松掌握数据采集的机制与流程。

阅读精选

适合 Python 入门的 8 款强大工具！

Python实现“一行拆多行“和“多行并一行“，你会吗？

这24款效率办公神器，简直不要太强大！

刷完 LeetCode 是什么水平？能拿到什么水平的 offer？

python基础之多线程