Python統(tǒng)計(jì)詞頻并繪制圖片(附完整代碼)
發(fā)布日期：2022-02-05 08:38 | 文章來源：源碼中國
效果
1 實(shí)現(xiàn)代碼
讀取txt文件：
def readText(text_file_path): with open(text_file_path, encoding='gbk') as f: # content = f.read() return content
得到文章的詞頻：
def getRecommondArticleKeyword(text_content, key_word_need_num = 10, custom_words = [], stop_words =[], query_pattern = 'searchEngine'):
'''
:param text_content: 文本字符串
:param key_word_need_num: 需要的關(guān)鍵詞數(shù)量
:param custom_words: 自定義關(guān)鍵詞
:param stop_words: 不查詢關(guān)鍵詞
:param query_pattern:
precision:精確模式————試圖將句子最精確地切開，適合文本分析；
entire：全模式————把句子中所有的可以成詞的詞語都掃描出來, 速度非?？欤遣荒芙鉀Q歧義；
searchEngine:搜索引擎模式————在精確模式的基礎(chǔ)上，對長詞再次切分，提高召回率，適合用于搜索引擎分詞；
paddle模式————利用PaddlePaddle深度學(xué)習(xí)框架，訓(xùn)練序列標(biāo)注（雙向GRU）網(wǎng)絡(luò)模型實(shí)現(xiàn)分詞。同時(shí)支持詞性標(biāo)注。
:return:
'''
# jieba.enable_paddle()
# paddle.fluid.install_check.run_check()
if not isinstance(text_content, str):
raise ValueError('文本字符串類型錯(cuò)誤！')
if not isinstance(key_word_need_num, int):
raise ValueError('關(guān)鍵詞個(gè)數(shù)類型錯(cuò)誤！')
if not isinstance(custom_words, list):
raise ValueError('自定義關(guān)鍵詞類型錯(cuò)誤！')
if not isinstance(stop_words, list):
raise ValueError('屏蔽關(guān)鍵詞類型錯(cuò)誤！')
if not isinstance(query_pattern, str):
raise ValueError('查詢模式類型錯(cuò)誤！')
# 添加自定義關(guān)鍵詞
for word in custom_words:
jieba.add_word(word)
if query_pattern == 'searchEngine':
key_words = jieba.cut_for_search(text_content)
elif query_pattern == 'entire':
key_words = jieba.cut(text_content, cut_all=True, use_paddle=True)
elif query_pattern == 'precision':
key_words = jieba.cut(text_content, cut_all=False, use_paddle=True)
else:
return []
# print("拆分后的詞: %s" % " ".join(key_words))
# 過濾后的關(guān)鍵詞
stop_words = set(stop_words)
word_count = Counter()
for word in key_words:
if len(word) > 1 and word not in stop_words:
word_count[word] += 1
# res_words = list()
# for data in word_count.most_common(key_word_need_num):
# res_words.append(data[0])
# return res_words
return word_count
繪制圖片：
def drawWordsCloud(word_count, save_img_filePath='', img_mask_filePath=''):
# print(word_count)
# print(type(word_count))
if len(img_mask_filePath) != 0:
img_mask = np.array(Image.open(img_mask_filePath)) #打開遮罩圖片,將圖片轉(zhuǎn)換為數(shù)組
wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 設(shè)置中文字體，詞云默認(rèn)字體是“DroidSansMono.ttf字體庫”，不支持中文
background_color="white", # 設(shè)置背景顏色
max_words=200, # 設(shè)置最大顯示的字?jǐn)?shù)
max_font_size=50, # 設(shè)置字體最大值
random_state=30, # 設(shè)置有多少種隨機(jī)生成狀態(tài)，即有多少種配色方案
width=400,
height=200,
mask=img_mask
)
else:
wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 設(shè)置中文字體，詞云默認(rèn)字體是“DroidSansMono.ttf字體庫”，不支持中文
background_color="white", # 設(shè)置背景顏色
max_words=200, # 設(shè)置最大顯示的字?jǐn)?shù)
max_font_size=50, # 設(shè)置字體最大值
random_state=30, # 設(shè)置有多少種隨機(jī)生成狀態(tài)，即有多少種配色方案
width=400,
height=200
)
# 繪圖
wc.generate_from_frequencies(word_count)#從字典生成詞云
plt.imshow(wc)#顯示詞云
plt.axis('off') #關(guān)閉坐標(biāo)軸
plt.show() #顯示圖像
# 保存圖片
if len(save_img_filePath) != 0:
wc.to_file(save_img_filePath)
else:
pass
2 完整代碼
#-*- coding : utf-8-*-
import jieba
from collections import Counter
import paddle
import wordcloud #詞云展示庫
import matplotlib.pyplot as plt #圖像展示庫
import time
from PIL import Image
import numpy as np
def timer(func):
def calculateTime(*args, **kwargs):
t = time.perf_counter()
result = func(*args, **kwargs)
print(f'func {func.__name__} coast time:{time.perf_counter() - t:.8f} s')
return result
return calculateTime
def readText(text_file_path):
with open(text_file_path, encoding='gbk') as f: #
content = f.read()
return content
@timer
def getRecommondArticleKeyword(text_content, key_word_need_num = 10, custom_words = [], stop_words =[], query_pattern = 'searchEngine'):
'''
:param text_content: 文本字符串
:param key_word_need_num: 需要的關(guān)鍵詞數(shù)量
:param custom_words: 自定義關(guān)鍵詞
:param stop_words: 不查詢關(guān)鍵詞
:param query_pattern:
precision:精確模式————試圖將句子最精確地切開，適合文本分析；
entire：全模式————把句子中所有的可以成詞的詞語都掃描出來, 速度非常快，但是不能解決歧義；
searchEngine:搜索引擎模式————在精確模式的基礎(chǔ)上，對長詞再次切分，提高召回率，適合用于搜索引擎分詞；
paddle模式————利用PaddlePaddle深度學(xué)習(xí)框架，訓(xùn)練序列標(biāo)注（雙向GRU）網(wǎng)絡(luò)模型實(shí)現(xiàn)分詞。同時(shí)支持詞性標(biāo)注。
:return:
'''
# jieba.enable_paddle()
# paddle.fluid.install_check.run_check()
if not isinstance(text_content, str):
raise ValueError('文本字符串類型錯(cuò)誤！')
if not isinstance(key_word_need_num, int):
raise ValueError('關(guān)鍵詞個(gè)數(shù)類型錯(cuò)誤！')
if not isinstance(custom_words, list):
raise ValueError('自定義關(guān)鍵詞類型錯(cuò)誤！')
if not isinstance(stop_words, list):
raise ValueError('屏蔽關(guān)鍵詞類型錯(cuò)誤！')
if not isinstance(query_pattern, str):
raise ValueError('查詢模式類型錯(cuò)誤！')
# 添加自定義關(guān)鍵詞
for word in custom_words:
jieba.add_word(word)
if query_pattern == 'searchEngine':
key_words = jieba.cut_for_search(text_content)
elif query_pattern == 'entire':
key_words = jieba.cut(text_content, cut_all=True, use_paddle=True)
elif query_pattern == 'precision':
key_words = jieba.cut(text_content, cut_all=False, use_paddle=True)
else:
return []
# print("拆分后的詞: %s" % " ".join(key_words))
# 過濾后的關(guān)鍵詞
stop_words = set(stop_words)
word_count = Counter()
for word in key_words:
if len(word) > 1 and word not in stop_words:
word_count[word] += 1
# res_words = list()
# for data in word_count.most_common(key_word_need_num):
# res_words.append(data[0])
# return res_words
return word_count
def drawWordsCloud(word_count, save_img_filePath='', img_mask_filePath=''):
# print(word_count)
# print(type(word_count))
if len(img_mask_filePath) != 0:
img_mask = np.array(Image.open(img_mask_filePath)) #打開遮罩圖片,將圖片轉(zhuǎn)換為數(shù)組
wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 設(shè)置中文字體，詞云默認(rèn)字體是“DroidSansMono.ttf字體庫”，不支持中文
background_color="white", # 設(shè)置背景顏色
max_words=200, # 設(shè)置最大顯示的字?jǐn)?shù)
max_font_size=50, # 設(shè)置字體最大值
random_state=30, # 設(shè)置有多少種隨機(jī)生成狀態(tài)，即有多少種配色方案
width=400,
height=200,
mask=img_mask
)
else:
wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 設(shè)置中文字體，詞云默認(rèn)字體是“DroidSansMono.ttf字體庫”，不支持中文
background_color="white", # 設(shè)置背景顏色
max_words=200, # 設(shè)置最大顯示的字?jǐn)?shù)
max_font_size=50, # 設(shè)置字體最大值
random_state=30, # 設(shè)置有多少種隨機(jī)生成狀態(tài)，即有多少種配色方案
width=400,
height=200
)
# 繪圖
wc.generate_from_frequencies(word_count)#從字典生成詞云
plt.imshow(wc)#顯示詞云
plt.axis('off') #關(guān)閉坐標(biāo)軸
plt.show() #顯示圖像
# 保存圖片
if len(save_img_filePath) != 0:
wc.to_file(save_img_filePath)
else:
pass
if __name__ == '__main__':
pass
# /Users/mac/Downloads/work/retailSoftware/公司項(xiàng)目/test.txt
text_file_path = "/Users/mac/Downloads/電子書/編程思想/相約星期二/相約星期二.txt"
# text_file_path = "/Users/mac/Downloads/work/retailSoftware/公司項(xiàng)目/test3.txt"
text_content = readText(text_file_path)
# print(text_content)
# print(JNI_API_getRecommondArticleKeyword(text_content))
img_mask_filePath = '/Users/mac/Desktop/截屏2021-08-20 下午4.02.10.png'
img_save_filePath = '/Users/mac/Downloads/test9.png'
drawWordsCloud(getRecommondArticleKeyword(text_content), img_save_filePath, img_mask_filePath)
到此這篇關(guān)于Python統(tǒng)計(jì)詞頻并繪制圖片(附完整代碼)的文章就介紹到這了,更多相關(guān)Python統(tǒng)計(jì)詞頻繪制圖片內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信