用python画词云_蔡捕头

http://blog.sina.com.cn/u/1425046202

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

用python画词云

(2019-03-31 18:06:23)

标签：

python

统计图

分类： python语言

今天一个学生询问画词云的问题。他收集了30个word文档，都是关于大学生就业方面的资料，想分词并画词云。python、R和nvivo都可以绘制，我今天用python和nvivo试了下：

nvivo是windows窗口程序，绘制词云效率很高，不过不能自定义词云的样式，不能改变形状，只能用软件提供的那几种样式。

python用wordcloud包来绘制词云，这个包是从R移植到python的，功能相似。不过R中的wordcloud已经升级二代，叫wordcloud2，而python中的还是一代。

python绘制wordcloud要敲代码，但使用挺简单。只要把分词后结果（用空格间隔）作为参数输入绘图函数即可。不用去统计词频，wordcloud自动统计。python的灵活度很高，词云的形状可以自定义。用photoshop画个图，输如到函数，即可输出各种图形的词云，这点比nvivo强。

python分词是用结巴分词包，效率和效果很好。nvivo用什么模型分词暂不得知。

下面是效果图和源码：

 Python Code ：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

import docx  # 用于读取word文档，只能读取docx文档
import glob  # 用于获取目录中的所有docx文件名的地址
import jieba # 结巴分词
import re    # 正则表达式，用于去掉无意义字符
from collections import Counter   # 统计词频时用到Counter
from scipy.misc import imread  # 这是一个处理图像的函数
import wordcloud
from wordcloud import ImageColorGenerator  # 词云库

# 读取所有的word文件内容
files = []   # 用于存储文件内容
for filename in glob.glob('练习/*.docx'):      #glob.glob()能够将所有*.docx的文件名提取并返回为列表
    singlefile = docx.Document(filename)      #依次读取每个word文件的内容
    for para in singlefile.paragraphs:        #通过段落的text属性提取文本内容
        files.append(para.text)

# 去掉无意义的字符
files = re.sub(r"[\s+\.\!\/_,$%^*(【】：\]\[\-:;+\"\']+|[+——！，。？、~@#%……&*（）]+|[0-9]+","",str(files))
files = files.replace('xa','')

# 分词，默认精准分词
articlewords = jieba.cut(files)
# print('/ '.join(articlewords))

# 读取停用词库
# 结巴没有自带停用词库，这个停用词是office中自带的，通过everything搜索到的
stopwords = [line.strip() for line in open('stopwords.txt', 'r', encoding='utf-8').readlines()]

# 去掉停用词
newarticlewords = []
for i in articlewords:
    if i in stopwords:
        continue
    else:
        newarticlewords.append(i)

# 绘制词云
backimg =imread('就业.png')
wcloud =wordcloud.WordCloud(
    font_path='MSYH.TTC',
    # background_color='white',
    mask = backimg,
    width=800,
    height=600
    )
wcloud.generate(' '.join(newarticlewords))   # 用空格间隔
wcloud.to_file('词云.png')

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：在R语言中使用层次分析法-案例1

后一篇：软件分享：Excel自动拆分、加密、批量发送

新浪BLOG意见反馈留言板　欢迎批评指正