使用前需要确保安装以下第三方库:
jieba, wordcloud, imageio, sklearn,csv
imageio、csv和sklearn在安装anaconda时默认是安装的,另外两个库需要手动安装,安装方式如下:
打开Anaconda Prompt使用pip安装即可:
pip install jieba
pip install wordcloud
我们选一篇自己喜欢的文章,然后保存为txt,放到工作目录下。我选取的文章为知乎上秋叶大叔的一篇文章:如何实现财富自由?
我将其内容保存为"caifu.txt",放在工作目录下,以下是获得这篇文章词云图的过程。
获得词云图
from wordcloud importWordCloud, STOPWORDSfrom imageio importimreadfrom sklearn.feature_extraction.text importCountVectorizerimportjiebaimportcsv#获取文章内容
with open("caifu.txt") as f:
contents=f.read()print("contents变量的类型:", type(contents))#使用jieba分词,获取词的列表
contents_cut =jieba.cut(contents)print("contents_cut变量的类型:", type(contents_cut))
contents_list= " ".join(contents_cut)print("contents_list变量的类型:", type(contents_list))#制作词云图,collocations避免词云图中词的重复,mask定义词云图的形状,图片要有背景色
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False,
background_color="white",
font_path=r"C:\Windows\Fonts\simhei.ttf",
width=400, height=300, random_state=42,
mask=imread('axis.png',pilmode="RGB"))
wc.generate(contents_list)
wc.to_file("ciyun.png")#使用CountVectorizer统计词频
cv =CountVectorizer()
contents_count=cv.fit_transform([contents_list])#词有哪些
list1 =cv.get_feature_names()#词的频率
list2 =contents_count.toarray().tolist()[0]#将词与频率一一对应
contents_dict =dict(zip(list1, list2))#输出csv文件,newline="",解决输出的csv隔行问题
with open("caifu_output.csv", 'w', newline="") as f:
writer=csv.writer(f)for key, value incontents_dict.items():
writer.writerow([key, value])
上述代码中,变量的类型如下:
contents变量的类型: contents_cut变量的类型:contents_list变量的类型:
词云图的形状我尝试了两种,一种是cat.png,另一种是在PPT中直接画一个箭头,保存为图片格式,如下图:
两种背景图产生的词云图结果如下:
我们可以把背景图的设置为任意形状和图片,如果没有合适的照片,我们可以用PPT自己画一个合适的形状。
获得词频列表,保存为csv文件
如果还想要获得词频列表,可以使用sklearn中的CountVectorizer统计词频,当然也可以自己写函数实现。上述代码输出了词频的csv文件,如下图:
参考链接: