Python词云分析进行GPS课程总结

#-*- 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()

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