【python数据挖掘课程】十三.WordCloud词云配置过程及词频分析

一. 安装WordCloud

在使用WordCloud词云之前，需要使用pip安装相应的包。
pip install WordCloud
pip install jieba
其中WordCloud是词云，jieba是结巴分词工具。
jieba参考我的博客：[python] 使用Jieba工具中文分词及文本聚类概念

问题：在安装WordCloud过程中，你可能遇到的第一个错误如下。
error: Microsoft Visual C++ 9.0 is required. Get it from http://asa.ms/vcpython27

解决方法也很简单，下载VCForPython27安装（Microsoft Visual C++ Compiler for Python 2.7）。但是在微软下载总是没响应。微软地址如下：
https://www.microsoft.com/en-us/download/details.aspx?id=44266
这是最大的问题，下面我自己提供一个****的地址供大家下载。下载完成，可以进行安装响应的库函数。
资源地址：http://download.****.net/detail/eastmount/9788218

安装完成之后，可以正常运行代码啦。

二. 简单词云代码

下面这部分代码参考老曹的，希望对你有所帮助。
老曹说：什么是词云呢？词云又叫文字云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。
代码如下：

[python]view
plain copy

# -*- coding: utf-8 -*-  

import jieba  

import sys  

import matplotlib.pyplot as plt  

from wordcloud import WordCloud  

#打开本体TXT文件  

text = open('test.txt').read()  

print type(text)  

#结巴分词 cut_all=True 设置为全模式   

wordlist = jieba.cut(text, cut_all = True)  

#使用空格连接 进行中文分词  

wl_space_split = " ".join(wordlist)  

print wl_space_split  

#对分词后的文本生成词云  

my_wordcloud = WordCloud().generate(wl_space_split)  

#显示词云图  

plt.imshow(my_wordcloud)  

#是否显示x轴、y轴下标  

plt.axis("off")  

plt.show()

运行结果如下所示：

【python数据挖掘课程】十三.WordCloud词云配置过程及词频分析

这是中文编码问题，下面讲解解决方法。

三. 中文编码错误及解决

在WordCloud安装的目录下找到WordCloud.py文件，对源码进行修改。

编辑wordcloud.py，找到FONT_PATH，将DroidSansMono.ttf修改成msyh.ttf。这个msyh.ttf表示微软雅黑中文字体。

注意，此时运行代码还是报错，因为需要在同一个目录下放置msyh.ttf字体文件供程序调用，如下图所示，这是原来的字体DroidSansMono.ttf。

此时的运行结果如下所示，这是分析****多篇博客的主题，"阅读"和"评论"比较多。

也可以采用下面的代码：
wordcloud = WordCloud(font_path = 'MSYH.TTF').fit_words(word)

四. 照片背景的词云代码

下面进一步深入，假设存在一个图 "sss3.png"，核心代码如下：

[python]view
plain copy

# -*- coding: utf-8 -*-  

from os import path  

from scipy.misc import imread    

import jieba  

import sys  

import matplotlib.pyplot as plt  

from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator    

# 打开本体TXT文件  

text = open('weixin.txt').read()  

# 结巴分词 cut_all=True 设置为全模式   

wordlist = jieba.cut(text)     #cut_all = True  

# 使用空格连接 进行中文分词  

wl_space_split = " ".join(wordlist)  

print wl_space_split  

# 读取mask/color图片  

d = path.dirname(__file__)  

nana_coloring = imread(path.join(d, "sss3.png"))  

# 对分词后的文本生成词云  

my_wordcloud = WordCloud( background_color = 'white',      # 设置背景颜色  

                            mask = nana_coloring,          # 设置背景图片  

                            max_words = 2000,              # 设置最大现实的字数  

                            stopwords = STOPWORDS,         # 设置停用词  

                            max_font_size = 50,            # 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  

                            )  

# generate word cloud   

my_wordcloud.generate(wl_space_split)  

# create coloring from image    

image_colors = ImageColorGenerator(nana_coloring)  

# recolor wordcloud and show    

my_wordcloud.recolor(color_func=image_colors)  

plt.imshow(my_wordcloud)    # 显示词云图  

plt.axis("off")             # 是否显示x轴、y轴下标  

plt.show()  

# save img    

my_wordcloud.to_file(path.join(d, "cloudimg.png"))

【python数据挖掘课程】十三.WordCloud词云配置过程及词频分析

一. 安装WordCloud

二. 简单词云代码

三. 中文编码错误及解决

四. 照片背景的词云代码

相关推荐