Python词云分析进行GPS课程总结
2018-02-14 23:45
232 查看
#-*- coding:utf-8 -*- import time from os import path from scipy.misc import imread import jieba import sys import matplotlib.pyplot as plt from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator # import sys # reload(sys) # sys.setdefaultencoding('utf-8') filename = "GPS.txt" with open(filename,'r',) as f: mytext = f.read() mytext = " ".join(jieba.cut(mytext)) words = list(jieba.cut(mytext,cut_all=True)) #print mytext #mytest就是分割后的txt所有文本,使用空格连接起来中文分词 #words就是列举出所有的文本词语存入列表 #exc = {' ','\n\n','了','的'} # #列举出排除词 dic= {} keys = set(words)#准备抓取关键词,这里枚举所有分割后词语 # for i in exc: # keys.remove(i)#剔除多余词语 for i in keys: dic[i] = words.count(i) importantWord = list(dic.items()) importantWord.sort(key=lambda x:x[1],reverse=True) ff=open("hz.txt","w") ff.write("20个出现次数最多的词语:") print("20个出现次数最多的词语:") for i in range(20): print importantWord[i] ff.writelines(importantWord) ff.close() # 读取mask/color图片 # d = path.dirname(__file__) # nana_coloring = imread(path.join(d, "test.bmp")) # 对分词后的文本生成词云 #alice_color=imread(imgmask) #mask=alice_color,mask为worldcloud属性 wordcloud = WordCloud(font_path="C:\Windows\Fonts\simkai.ttf",max_words=700,background_color='white',max_font_size=100,font_step=1).generate(mytext) plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") plt.show()
词云分析文本
词云分析结果
词云分析时可以更改图片属性,任意使用图片背景等,wordcloud提供了强大的数据分析功能
倚天屠龙记整本词云分析
可以进行最高频率20词排列
font_path : string //字体路径,需要展现什么字体就把该字体路径+后缀名写上,如:font_path = '黑体.ttf' width : int (default=400) //输出的画布宽度,默认为400像素 height : int (default=200) //输出的画布高度,默认为200像素 prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率,默认 0.9 (所以词语垂直方向排版出现频率为 0.1 ) mask : nd-array or None (default=None) //如果参数为空,则使用二维遮罩绘制词云。如果 mask 非空,设置的宽高值将被忽略,遮罩形状被 mask 取代。除全白(#FFFFFF)的部分将不会绘制,其余部分会用于绘制词云。如:bg_pic = imread('读取一张图片.png'),背景图片的画布一定要设置为白色(#FFFFFF),然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存,就ok了。 scale : float (default=1) //按照比例进行放大画布,如设置为1.5,则长和宽都是原来画布的1.5倍。 min_font_size : int (default=4) //显示的最小的字体大小 font_step : int (default=1) //字体步长,如果步长大于1,会加快运算但是可能导致结果出现较大的误差。 max_words : number (default=200) //要显示的词的最大个数 stopwords : set of strings or None //设置需要屏蔽的词,如果为空,则使用内置的STOPWORDS background_color : color value (default=”black”) //背景颜色,如background_color='white',背景颜色为白色。 max_font_size : int or None (default=None) //显示的最大的字体大小 mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时,背景为透明。 relative_scaling : float (default=.5) //词频和字体大小的关联性 color_func : callable, default=None //生成新颜色的函数,如果为空,则使用 self.color_func regexp : string or None (optional) //使用正则表达式分隔输入的文本 collocations : bool, default=True //是否包括两个词的搭配 colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色,若指定color_func,则忽略该方法。 fit_words(frequencies) //根据词频生成词云 generate(text) //根据文本生成词云 generate_from_frequencies(frequencies[, ...]) //根据词频生成词云 generate_from_text(text) //根据文本生成词云 process_text(text) //将长文本分词并去除屏蔽词(此处指英语,中文分词还是需要自己用别的库先行实现,使用上面的 fit_words(frequencies) ) recolor([random_state, color_func, colormap]) //对现有输出重新着色。重新上色会比重新生成整个词云快很多。 to_array() //转化为 numpy array to_file(filename) //输出到文件
相关文章推荐
- Linux内核分析课程总结
- 算法分析与设计课程总结
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图 .
- 如何进行大数据分析及处理(总结)
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结
- 《用python进行数据分析》语法要点总结(1)
- linux内核分析课程总结
- Linux内核分析之九——课程总结
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程
- 如何确定某段时间之内玩手机次数及其他各种通过传感器&GPS数据可进行的分析
- 【分析总结框架记录】对通信数据包进行打包
- Linux系统分析线上课程学习总结
- 算法设计课程总结1~2(渐进分析记号,复杂性比较,递归,分治)
- 在Windows Mobile和Wince(Windows Embedded CE)下使用.NET Compact Framework进行GPS NMEA data数据分析的开发
- Linux内核分析课程_学习索引(总结)
- QuickSort分析,这是回复提问时碰到的,顺便对学过的算法进行复习,总结...
- linux内核分析 课程总结
- Linux内核分析课程总结
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图