Python词云

词云图wordcloud

1.安装第三方库

$jieba库、matplotlib、wordcloud库$

2.过程

1.使用$jieba$ 库对数据进行分词整理，转为$txt$文件，转变为以空格分隔的词语字符串$string$。
2.调用$wordcolud$等函数绘制。

英文分词：

对于英文，使用空格来分开每个单词。

中文分词：

中文单独一个汉字跟词有时候就完全不是一个含义，所以中文分词比英文分词要难很多。
$jieba$分词利用一个中文词库，确定汉字之间的关联概率，概率大的组成词组，形成分词结果。

(1).$jieba$库分词的三种模式：
精确模式：把文本精确的分开，不存在冗余单词
全模式：把文中所有的词语都扫描出来，存在冗余单词
搜索引擎模式：在精确模式的基础上，对长词再次划分
(2).常用库函数：

有的时候，如果按照jieba正常分词，会把我们不希望分开的词语给分开，这个时候就会改变句子的意思。就如以下例子，我们希望 不喜欢 是一个词，不被分开：

import jieba
messages = jieba.cut("我不喜欢下雨天刮风")   #默认精确模式
print ( "/ ".join(messages)) 
运行结果：
我/ 不/ 喜欢/ 下雨天/ 刮风

这个时候，我们可以使用 suggest_freq(segment, tune=True) 可调节单个词语的词频，使其能（或不能）被分出来：

import jieba
messages = jieba.cut("我不喜欢下雨天刮风")   #默认精确模式
jieba.suggest_freq(('不喜欢'),tune=True)
print ( "/ ".join(messages)) 
运行结果：
我/ 不喜欢/ 下雨天/ 刮风

3.wordcloud的常用方法函数参数

参数：

1.$font\_path:string$ : 字体路径，格式：字体路径+后缀名，
如$C:\backslash windows\backslash Font\backslash white.ttf$
2.$width:int(default=400)$ : 输出的画布宽度
3.$height:int(default=200)$ ： 输出的画布高度
4.$prefer\_horizontal:float(default=0.90)$ : 词语水平方向排版出现的频率，垂直方向做差。
5.$scale:float(default=1)$ : 按照比例放大画布，如设置$scale=2$，则长宽都是原来的$2$倍。
6.$min\_font\_size:int(default=4)$ : 显示的最小字体的大小。
7.$max\_words:int(default=200)$ : 显示的词的最大个数。
8.$background\_color:(default{=}^{\prime }blac{k}^{\prime })$ ：背景颜色。
9.$max\_font\_size:int(default=None)$ : 显示的最大字体的大小。
10.$mask:np.array、None$ ：参数为空，默认词云形状为长方形。

函数：

1.$generate\_from\_text(text)$：根据文本生成词云。
2.$generate(text)$ : 根据文本生成词云。
3.$generate\_from\_frequencies(frequencies[,...])$ : 根据词频生成词云。
4.$to\_file(filename)$ : 输出到文件。

def generate(self, text):
    """Generate wordcloud from text.
    The input "text" is expected to be a natural text. If you pass a sorted
    list of words, words will appear in your output twice. To remove this
    duplication, set ``collocations=False``.
    Alias to generate_from_text.
    Calls process_text and generate_from_frequencies.
    Returns
    -------
    self
    """
    return self.generate_from_text(text)

def generate_from_text(self, text):
    """Generate wordcloud from text.
    The input "text" is expected to be a natural text. If you pass a sorted
    list of words, words will appear in your output twice. To remove this
    duplication, set ``collocations=False``.
    Calls process_text and generate_from_frequencies.
    ..versionchanged:: 1.2.2
        Argument of generate_from_frequencies() is not return of
        process_text() any more.

    Returns
    -------
    self
    """
    words = self.process_text(text)
    self.generate_from_frequencies(words)
    return self

调用过程：
$$\begin{gathered} generate(self,text)\Rightarrow self.generate\_from\_text(text)\Rightarrow \\ word=self.process\_text \\ self.generate\_from\_text(word) \end{gathered}$$

实例