码迷,mamicode.com
首页 > 其他好文 > 详细

分词及词云图设计

时间:2018-07-27 14:46:26      阅读:209      评论:0      收藏:0      [点我收藏+]

标签:col   png   anaconda   pil   closed   range   hid   图片   提取   

1.jieba的基本使用

技术分享图片
 1 import jieba
 2 
 3 
 4 s1 = 我喜欢广州小蛮腰
 5 s2 = "我喜欢上海东方明珠"
 6 #jieba,cut()#默认精准模式
 7 print(10*-,全模式,10*-)
 8 r1 = jieba.cut(s1,cut_all=True)#全模式
 9 print(s1)
10 for ele in r1:
11     print(ele)
12 
13 print(10*-,精准模式,10*-)
14 r2 = jieba.cut(s1,cut_all=False)
15 print(s1)
16 for ele in r2:
17     print(ele)
18 
19 print(10 * -, 搜索引擎模式, 10 * -)
20 r3 = jieba.cut_for_search(s1)#搜索引擎模式
21 for ele in r3:
22     print(ele)
23 
24 #词性标注
25 import jieba.posseg
26 print(---词性标注---)
27 r4 = jieba.posseg.cut(s1)
28 # flag 词性
29 # word 词语
30 for ele in r4:
31     print(ele.word+ele.flag)
32 
33 #词典加载
34 jieba.load_userdict(/home/chen/anaconda3/lib/python3.6/site-packages/jieba/dict.txt)
35 #更改词频
36 print(---更改词频---)
37 word_chg = 上海东方
38 jieba.add_word(word_chg)
39 jieba.suggest_freq(word_chg,True)
40 
41 #提取关键词
42 import jieba.analyse
43 tag = jieba.analyse.extract_tags(s2,3)
44 print(tag)
45 
46 #返回词语的位置
47 print(---返回词语的位置---)
48 word_index = jieba.tokenize(s2)
49 for ele in word_index:
50     print(ele)
51 print(---以搜索引擎的方式)
52 Word_index = jieba.tokenizes(s2,mode=search)
53 for ele in word_index:
54     print(ele)
55 ‘‘‘
56 a 形容词
57 c 连词
58 d 副词
59 e 叹词
60 f 方位词
61 i 成语
62 m 数量词
63 n 名词
64 nr 人名
65 ns 地名
66 nt 机构团体
67 nz 其他专有名词
68 p 介词
69 r 代词
70 t 时间
71 u 助词
72 v 动词
73 vn 动名词
74 w 标点
75 un 未知词语
View Code

2.文本挖掘实例

技术分享图片
 1 import jieba.analyse
 2 import os
 3 
 4 print(os.path.dirname(os.getcwd()))
 5 file_name = /home/chen/projects/词云/resource/斗罗大陆.txt
 6 path = os.path.join(os.path.dirname(os.getcwd()),file_name)
 7 
 8 data = open(file_name).read()
 9 #默认20个关键词
10 tag = jieba.analyse.extract_tags(data,50)#提取50个关键词
11 print(tag)
View Code

3.词云图设计

技术分享图片
 1 #收据收集-->分词-->过滤噪音词-->筛选高频词-->生成图
 2 
 3 from wordcloud import WordCloud
 4 import os
 5 import jieba  #中文分词
 6 import numpy as np
 7 import PIL.Image as img #图片处理
 8 import random
 9 
10 
11 stopwords = {"然后":0,"这些":0,"那些":0,"如果":0}
12 cur_path = os.path.dirname(os.path.dirname(__file__)) + "/resource"
13 
14 def chinese_jieba(text):
15     wordlist_jieba=jieba.cut(text)
16     text_jieba=" ".join(wordlist_jieba)
17     return text_jieba
18 
19 with open(os.path.join(cur_path,test.txt)) as fp:
20     text = fp.read()
21     text = chinese_jieba(text)
22     r_num = random.randrange(0,5)
23     r_num = 4
24     if r_num == 0:
25         bg_img = zh.png
26     elif r_num == 1:
27         bg_img = heart.png
28     elif r_num == 2:
29         bg_img = broken_heart.png
30     elif r_num == 3:
31         bg_img = tree.png
32     else:
33         bg_img = love_love.png
34     #设置背景图
35     mask_pic = np.array(img.open(os.path.join(cur_path,bg_img)))
36     #默认生成方块词云,背景颜色为黑色
37     # wcd = WordCloud().generate(text)
38     #指定背景颜色,指定关键词个数,设置最大字体大小,设置字体,过滤词,背景图形
39     wcd = WordCloud(background_color=white,
40                     #max_words=100,
41                     max_font_size=40,
42                     font_path=JDFZONGYI.ttf,
43                     stopwords=stopwords,
44                     mask=mask_pic).generate(text)
45     image=wcd.to_image()
46     image.show()
View Code

 

分词及词云图设计

标签:col   png   anaconda   pil   closed   range   hid   图片   提取   

原文地址:https://www.cnblogs.com/ray-mmss/p/9377090.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!