jieba分词与worldcloud词云

Posted 2021-01-29 sksitigarbha

中文分词的优秀库。

安装：pip install jieba

主要有三种模式，但是最主要有一个函数

模式：精确模式：把文本精确的切分开，不存在冗余单词

　　全模式：把文本中所有可能的词语都扫描出来，有冗余

　　搜索引擎模式：在精确模式上，对长词再次切分

函数：jieba.lcut(str)：精确模式，返回一个列表

　　jieba.lcut(str，cut_all=True)：就变成全模式，存在冗余

　　jieba.lcut_for_search(str)：搜索引擎模式，返回列表，有冗余

　　jieba.add_word(str)：向分词词典增加新的分词str

 

词云优秀库。

安装：pip insatll wordcloud

wordcloud将词云视为WordCloud对象

w = wordcloud.WordCloud()代表一个文本对应的词云

　　有两个可选参数，width=400,height=200,min_font_size=字体最小默认4,max_font_size=字体最大，根据高度自动调节，

　　font_step=2字体间隔,font_path=‘‘字体路径,max_words=200词云数量,stop_words={‘str‘}排除词,background_color=‘white‘词云背景颜色默认黑色

w.generate(txt)　　# txt是str，向w对象中加载txt文本

w.tofile(filename)　　# 将词云输出为图像文件，为png/jpg文件，默认400*200像素（分隔，统计，字体，布局）

对于显示非矩形词云，需要使用mask

from scipy.misc import imread

mk = imread(‘pic.png‘)　　# 形状的图片，背景白色。

w = wordcloud.WordCloud(mask=mk)