实践四 -- 文本词频分析

一、随手记

1. strip()方法：

Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。

注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。

2. Dict.get(key,0)方法：

第一个参数表示字典中的key，第二个为取不到的时候初始化的值。

3. DictList.sort(key=lambda e: e[1], reverse=True)方法：

这里的lambda是默认的，后面的x:x[0]代表字典的键（key）给sort排序，x:x[1]代表字典的值（values）给sort排序，reverse=true表示降序，reverse=false表示逆序。
DictList由list(Dict.items())转化而来。

4. 绘制 WordCloud 词云图

wordcloud =WordCloud(background_color=‘white’,scale=1.5,font_path=‘…’).generate(’ '.join(novelDict.keys()))

参数说明：

font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = ‘黑体.ttf’
width : int (default=400) //输出的画布宽度，默认为400像素
height : int(default=200) //输出的画布高度，默认为200像素
prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）
mask :nd-array or None (default=None) //如果参数为空，则使用二维遮罩绘制词云。如果 mask非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic= imread(‘读取一张图片.png’)，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。
scale : float (default=1) //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
min_font_size : int (default=4) //显示的最小的字体大小
font_step : int(default=1) //字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
max_words : number(default=200) //要显示的词的最大个数
stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置STOPWORDS
background_color : color value(default=”black”) //背景颜色，如background_color=‘white’,背景颜色为白色。
max_font_size : int or None (default=None) //显示的最大的字体大小
mode :string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
relative_scaling : float (default=.5) //词频和字体大小的关联性
color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
regexp :string or None (optional) //使用正则表达式分隔输入的文本
collocations : bool，default=True //是否包括两个词的搭配
colormap : string or matplotlib colormap,default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。
fit_words(frequencies) //根据词频生成词云 generate(text) //根据文本生成词云
enerate_from_frequencies(frequencies[, …]) //根据词频生成词云
generate_from_text(text) //根据文本生成词云
process_text(text) //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap]) //对现有输出重新着色。重新上色会比重新生成整个词云快很多。 to_array() //转化为 numpy array
to_file(filename) //输出到文件