python-wordcloud词云

pip下载所需库

pip install re
pip install collections
pip install numpy
pip install jieba
pip install wordcloud
pip install PIL
pip install matplotlib

但是pip默认下载很慢,超级慢,慢到死那种.
所以用清华的国内镜像源(老大的带宽也超级nb).
windows平台下,在user目录下新建 pip的文件夹
新建pip.ini文件
写入

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = https://pypi.tuna.tsinghua.edu.cn
# trusted-host 此参数是为了避免麻烦，否则使用的时候可能会提示不受信任

编写代码

1. 注意, 文件名不能是wordcloud.py
   否则报错:

AttributeError: module 'wordcloud' has no attribute 'WordCloud'

2. 读取文件时, 可能报错

UnicodeDecodeError: 'gbk' codec can't decode byte 0xaf in position 16: illegal multibyte sequence

解决如下
open(‘order.log’,‘r’, encoding=‘UTF-8’)或者open(‘order.log’,‘rb’)

3. 注意python解释器的安装路径, 以及所需库的安装路径

#utf8
# 导入扩展库
import re  # 正则表达式库
import collections  # 词频统计库
import numpy as np  # numpy数据处理库
import jieba  # 结巴分词
from  wordcloud import WordCloud, ImageColorGenerator

from PIL import Image  # 图像处理库
import matplotlib.pyplot as plt  # 图像展示库

# 读取文件
string_data = None
with open('article.txt','r' ,encoding='utf8') as fn:
    string_data = fn.read()  # 读出整个文件

# 文本预处理
pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"')  # 定义正则表达式匹配模式
string_data = re.sub(pattern, '', string_data)  # 将符合模式的字符去除

# 文本分词
seg_list_exact = jieba.cut(string_data, cut_all=False)  # 精确模式分词
object_list = []
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']  # 自定义去除词库

for word in seg_list_exact:  # 循环读出每个分词
    if word not in remove_words:  # 如果不在去除词库中
        object_list.append(word)  # 分词追加到列表

# 词频统计
word_counts = collections.Counter(object_list)  # 对分词做词频统计
word_counts_top10 = word_counts.most_common(10)  # 获取前10最高频的词
print(word_counts_top10)  # 输出检查

# 词频展示
mask = np.array(Image.open('wordcloud.jpg'))  # 定义词频背景

wc = WordCloud(
    font_path='C:/Windows/Fonts/simhei.ttf',  # 设置字体格式
    mask=mask,  # 设置背景图
    max_words=200,  # 最多显示词数
    max_font_size=100  # 字体最大值
)

wc.generate_from_frequencies(word_counts)  # 从字典生成词云
image_colors = ImageColorGenerator(mask)  # 从背景图建立颜色方案
wc.recolor(color_func=image_colors)  # 将词云颜色设置为背景图方案
plt.imshow(wc)  # 显示词云
plt.axis('off')  # 关闭坐标轴
plt.show()  # 显示图像

准备测试文本

使用github狗屁不通文章生成器

运行结果