【实战】词频统计及词云图制作
2017-04-11 23:03
211 查看
写在开头
最近对词云有些兴趣,就自己瞎琢磨研究一些这方面的知识,期间也遇到一些小问题,写下此篇文章留作备注吧。研究对象
金庸老先生的《天龙八部》正式开始(微笑脸)
统计字频(1)先统计下小说的字频数:
天龙八部总共用字量4134个,top20的字不出意外都是一些常用词,不过“一”竟然排名第二很让我意外。
# -*- coding:utf-8 -*- import re wordcount = {} stopwords=[] # stopwords = [u'好',u'一',u'的',u'了'] with open('F:\\tlbb.txt','r') as files: text = files.read().decode('gb18030') text = text.strip('\n').strip('\t').strip(' ') string = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[:“”+——!,。?、~@#¥%……&*()]+".decode("utf8"), "".decode("utf8"),text) #去除标点符号 for word in string: if word in stopwords: continue wordcount[word] = wordcount.get(word,0)+1 wordcount = sorted(wordcount.items(),key=lambda d:d[1],reverse=True) print len(wordcount) for x in xrange(20): print wordcount[x][0]+':'+str(wordcount[x][1]) files.close()
*执行结果*
字数: 4134
以下是排名前20的各个子的数量统计
不:20125
一:18732
的:18565
是:16524
道:15564
了:15413
人:12627
我:11000
你:10108
这:9893
他:9794
大:9083
来:8870
之:8064
说:7123
中:7056
得:6651
在:6624
下:6465
上:6443
词频统计及词云图制作
从词云图中可以看出三大主角的名字还是很凸显。当然我也看到词云图中的“一个”了,想不到这个词的占比挺高的。
本来是想借助上面统计字频,做一个停用词集的。但是没有弄好,添加到stopwords参数中,完全没有效果,只能回头再研究研究。当然如果读到此处你的知道怎么回事,烦请告知,感激不尽呀!
以下是词云代码:
# -*- coding:utf-8 -*- #天龙八部分词统计 import jieba from wordcloud import WordCloud,STOPWORDS import matplotlib.pyplot as plt s={} with open('F:\\tlbb.txt','r') as files: fid = files.read() fc = jieba.cut(fid) #用jieba分词 for words in fc: if len(words)>1: s[words] = s.get(words,0)+1 word = sorted(s.items(),key=lambda (word,count):count,reverse=True) word = dict(word[1:100]) # for x in word: # print x , wordcloud = 9155 WordCloud(font_path = 'C:/Windows/Fonts/msyh.ttf', # 设置字体格式,如不设置显示不了中文 background_color="black", # 设置背景颜色 stopwords=STOPWORDS, # 设置停用词 max_font_size=40, # 设置字体最大值 random_state=30, # 设置有多少种随机生成状态,即有多少种配色方案 relative_scaling=.5 ).fit_words(word) #word为字典格式 plt.figure() plt.imshow(wordcloud) plt.axis("off") plt.show() files.close()
问题总结
WordCloud().fit_words(word) 中的这个word是传入的是字典,之前一直传入错误,看了源码才恍然大悟词云图中停用词的添加失败
参考
Python word_cloud 样例 标签云系列(三)http://www.cnblogs.com/Yiutto/p/5998417.html
Python之天龙八部词云生成分析
http://blog.csdn.net/u013473520/article/details/51764334
最后希望对看到此处的你有所帮助【微笑】
相关文章推荐
- 中文分词,词频统计,词云图制作
- 中文词频统计及词云制作
- 爬取京东评论、分词+词频统计、词云图展示
- R实战:【统计分析】词频统计
- 爬取京东评论、分词+词频统计、词云图展示
- 中文词频统计及词云制作
- python实战,中文自然语言处理,应用jieba库来统计文本词频
- 中文词频统计及词云制作
- Hadoop/spark安装实战(系列篇4) Hadoop MapReduce词频统计之小试牛刀
- Linux Shell编程实战---统计特定文件中单词的词频
- 中文词频统计及词云制作
- [置顶] Python生成词云图,TIIDF方法文本挖掘: 词频统计,词云图
- Python实战——1_1.网页制作
- 词频统计
- 一行Python代码统计词频
- 词频统计-功能二
- 【云图】如何制作中国贪官落马图?
- tensorflow实战 猫狗大战(三)制作tfrecords数据集并显示与训练
- 13.window滑动窗口以及热点搜索词滑动统计案例实战
- 实战:从零开始制作一个跑步微信小程序