python词频统计代码_用Python实现一个词频统计(词云+图）

第一步：首先需要安装工具python

第二步：在电脑cmd后台下载安装如下工具：

（有一些是安装好python电脑自带有哦）

有一些会出现一种情况就是安装不了词云展示库

有下面解决方法，需看请复制链接查看：https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

第三步：

1.准备好你打算统计的文件，命名为 家.txt，保存到桌面

2.准备一个做背景的图片，命名为girl.jpg，同样保存到桌面

第四步：插入代码

1 import re #正则表达式库

2 import collections #词频统计库

3 import numpy as np #numpy数据处理库

4 import jieba #结巴分词

5 import wordcloud #词云展示库

6 from PIL import Image #图像处理库

7 import matplotlib.pyplot as plt #图像展示库

8

9 #读取文件

10 fn = open('C://Users//Thinkpad//Desktop//家.txt','rt') #打开文件

11 string_data = fn.read() #读出整个文件

12 fn.close() #关闭文件

13

14 #文本预处理

15 pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') #定义正则表达式匹配模式

16 string_data = re.sub(pattern, '', string_data) #将符合模式的字符去除

17

18 #文本分词

19 seg_list_exact = jieba.cut(string_data, cut_all = False) #精确模式分词

20 object_list =[]21 remove_words = [u'的', u'，',u'和', u'是', u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',22 u'通常',u'如果',u'我们',u'需要'] #自定义去除词库

23

24 for word in seg_list_exact: #循环读出每个分词

25 if word not in remove_words: #如果不在去除词库中

26 object_list.append(word) #分词追加到列表

27

28 #词频统计

29 word_counts = collections.Counter(object_list) #对分词做词频统计

30 word_counts_top10 = word_counts.most_common(10) #获取前10最高频的词

31 print (word_counts_top10) #输出检查

32

33 #词频展示

34 mask = np.array(Image.open('C://Users//Thinkpad//Desktop//girl.jpg')) #定义词频背景

35 wc =wordcloud.WordCloud(36 font_path='C:/Windows/Fonts/simhei.ttf', #设置字体格式

37 mask=mask, #设置背景图

38 max_words=200, #最多显示词数

39 max_font_size=100 #字体最大值

40 )41

42 wc.generate_from_frequencies(word_counts) #从字典生成词云

43 image_colors = wordcloud.ImageColorGenerator(mask) #从背景图建立颜色方案

44 wc.recolor(color_func=image_colors) #将词云颜色设置为背景图方案

45 plt.imshow(wc) #显示词云

46 plt.axis('off') #关闭坐标轴

47 plt.show() #显示图像

（其中代码中有打开路径，每个人存的位置不一样，自己复制粘贴过来哦）

第五步：正常运行

（内附一张背景图）