统计QQ聊天记录进阶版（分词+统计关键字出现的次数+根据词频制作词云）
继上个博客统计关键字次数的进阶，将关键词的次数制作成词云保存到图片。之前说过的部分现在就不说了，这里主要讲根据词频制作词云。
1.安装wordcloud（这里要注意坑）
这个安装的过程比jieba复杂，因为直接用pip install wordcloud会安装失败，要先下载对应的python版本对应的wordcloud。这里因为我之前有单独装过python3.7所以第一次我是下载了python3.7对应的wordcloud，然后它提示平台不支持。后来我想起来我的Anaconda3用的不是python3.7,在Anaconda Navigator中查看python对应的版本为3.6下载如下
用pip install安装
2.文件配置
1.txt为聊天记录文件,SimHei.ttf为字体格式、r.jpg为图片样式
3.词云
词云的生成可以按照词频以及以通常的方式生成。
词频使用 .generate_from_frequencies(字典类型)
通常方法使用.generate（关键字字串）
可以设置词云的相关属性：
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
my_wordcloud = WordCloud(
background_color='white', #设置背景颜色
max_words=200, #设置最大实现的字数
font_path=r'SimHei.ttf', #设置字体格式，如不设置显示不了中文
mask=imread('timg.jpg'), #设置图片样式
width=800,
height=800,
).generate_from_frequencies(data)
plt.figure()
plt.imshow(my_wordcloud)
plt.axis('off')
plt.show() # 展示词云
my_wordcloud.to_file('z.jpg')4.完整代码
import jieba
from wordcloud import WordCloud
from scipy.misc import imread
from collections import Counter
import matplotlib.pyplot as plt
def main():
fr=open('1.txt','r',encoding='utf-8')
frequencies=[]
s=""
data={}
for line in fr:
line=line.strip()
if len(line)==0:
continue
if line[0]=='2':
continue
for x in range(0,len(line)):
if line[x] in [' ','\t','\n','。','，','[', ']', '（', '）', ':', '-',
'？', '！', '《', '》', '、', '；', '“', '”', '……','0','1','2','3','4','5','6','7','8','9','=','~','…']:
continue
s+=str(line[x])
seg_list = jieba.cut(s, cut_all=False, HMM=True)
for word in seg_list:
if len(word)>=2:
if not data.__contains__(word):
data[word]=0
data[word]+=1
#data=sorted(data.items(),key=lambda d:d[1],reverse=True) 这里必须要注释，不然会报错
#print(data)
my_wordcloud = WordCloud(
background_color='white', #设置背景颜色
max_words=200, #设置最大实现的字数
font_path=r'SimHei.ttf', #设置字体格式，如不设置显示不了中文
mask=imread('r.jpg'), #设置图片样式
width=800,
height=800,
).generate_from_frequencies(data)
plt.figure()
plt.imshow(my_wordcloud)
plt.axis('off')
plt.show() # 展示词云
my_wordcloud.to_file('z.jpg')
fr.close()
main()5.实现结果
类似的统计十九大关键字 已上传github ，用jupyter Notebook
https://github.com/joyceyang999/19thCongressPY
效果图：
