如何使用Python3.7生成词频统计（词云）

如何使用Python3.7生成词云

首先第一点，博主没有系统学习过python，我们专业是最后一届教VB6.0的，赶上了这末班车哈哈哈，所以下面表述难免有非正规军的感觉，见谅哈哈

引入第三方库

使用pip包管理器安装，注意pip不要在python命令行里直接使用，但可以在terminal bash 或cmd中直接使用pip ，注意 # 及后面备注去除

    pip install re # 正则表达式库
    pip install collections # 词频统计库
    pip install numpy  # numpy数据处理库
    pip install jieba  # 结巴分词
    pip install wordcloud # 词云展示库
    pip install PIL   # 图像处理库
    pip install -U matplotlib # 图像展示库

有些包可能自带，但为了保险都安装一下，这里和网上的pip安装内容不太一样，2019.5.8更新确保地址正常能安装

引入数据与背景图片

将需要生成词云的数据保存为UTF-8格式的article.txt，放到同一项目文件夹中


将背景图片保存为wordcloud.jpg,放到同一项目文件夹中,这里选择了西宫硝子的同人图哈哈哈

引入代码

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

# 读取文件
fn = open('article.txt',encoding = "utf-8") # 打开文件
string_data = fn.read() # 读出整个文件
fn.close() # 关闭文件

# 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',
                u'通常',u'如果',u'我们',u'需要'] # 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.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 = wordcloud.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

代码文件保存为wordcount.py
然后运行即可

网上的代码出现的问题就是fn = open('article.txt',encoding = "utf-8") # 打开文件这个问题，博主已经更改过来了，具体见上一篇文章

生成词云

保存即可

---

参考：

1. 用Python实现一个词频统计(词云)图，这篇文章里面有运行错误，本文已经进行修改
2. matplotlib第三方库安装