对京东商品评论进行词频统计并制作词云

上一篇我们利用requests对京东商品的评论进行采集，今天我们对采集结果进行词频统计，并制作词云图片。
 
首先，准备好jieba，wordcloud这两个第三方库，并将其导入。
 
第一步，利用jieba库对文本进行分词，jieba.lcut 直接生成的就是一个list

 jieba支持三种分词模式：

• 精确模式lcut()，试图将句子最精确地切开，适合文本分析，单词无冗余；
• 全模式lcut(s, cut_all=True) ，把句子中所有的可以成词的词语都扫描出来,速度非常快，但是不能解决歧义，存在冗余；
• 搜索引擎模式cut_for_search(s)，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

	file = open(file_path, 'r')
    txt = file.read()
    words = jieba.lcut(txt)

 
第二步，对分词结果进行词频统计，这里对手机的特点进行分析，所以要将一些与手机特点无关的词剔除掉，这里需要加入停用词，并遍历删除，得到精确结果，最后将词出现的频率由大到小排序。

	count = {}
    for word in words:
        if len(word) == 1:
            continue
        else:
            count[word] = count.get(word, 0) + 1
    # 引入停用词
    exclude = ["手机", "其他", "非常", "使用", "一天"]  # 建立无关词语列表
    for key in list(count.keys()):  # 遍历字典的所有键，即所有word
        if key in exclude:
            del count[key]
    lists = list(count.items())
    lists.sort(key=lambda x: x[1], reverse=True)

 
第三步，将统计好的词频写入文件

	with open(word_path, 'w', encoding='gbk') as f:
        for i in range(15):
            word, number = lists[i]
            f.write('{}\t{}\n'.format(word, number))
        f.close()
        return word_path

 
第四步，制作词云，generate(text) 由text文本生成词云（词云的字体，图片大小，背景颜色，以及形状都是可以自定义的）

def get_cloud(word_path):
    with open(word_path, 'r', encoding='gbk') as f:
        text = f.read()
    wcloud = wordcloud.WordCloud(font_path=r'C:\Windows\Fonts\simhei.ttf',
                                 background_color='white',
                                 width=1000,
                                 max_words=1000,
                                 height=860,
                                 margin=2).generate(text)
    wcloud.to_file('E:/python/resource/' + 'cloud.png')  # 指定词云文件路径
    f.close()
    print("词云图片已保存")

 
最后，调用主函数执行程序，对文本进行词频统计并生成词云。

if __name__ == '__main__':
    cut_word(file_path)
    get_cloud(word_path)

 
效果如下：

附源代码：

# coding=gbk

import jieba
import wordcloud


# 对文本进行分词
def cut_word(file_path):
    file = open(file_path, 'r')
    txt = file.read()
    words = jieba.lcut(txt)
    # 对词频进行统计
    count = {}
    for word in words:
        if len(word) == 1:
            continue
        else:
            count[word] = count.get(word, 0) + 1
    # 引入停用词
    exclude = ["手机", "其他", "非常", "使用", "一天"]  # 建立无关词语列表
    for key in list(count.keys()):  # 遍历字典的所有键，即所有word
        if key in exclude:
            del count[key]
    lists = list(count.items())
    lists.sort(key=lambda x: x[1], reverse=True)#词频排序
    # 打印前15条词频
    for i in range(20):
        word, number = lists[i]
        print("关键字：{:-<5}频次：{}".format(word, number))
    # 词频写入
    with open(word_path, 'w', encoding='gbk') as f:
        for i in range(20):
            word, number = lists[i]
            f.write('{}\t{}\n'.format(word, number))
        f.close()
        return word_path


# 制作词云
def get_cloud(word_path):
    with open(word_path, 'r', encoding='gbk') as f:
        text = f.read()
    wcloud = wordcloud.WordCloud(font_path=r'C:\Windows\Fonts\simhei.ttf',
                                 background_color='white',
                                 width=500,
                                 max_words=1000,
                                 height=400,
                                 margin=2).generate(text)
    wcloud.to_file('E:/python/resource/' + 'cloud1.png')  # 指定词云文件路径
    f.close()
    print("词云图片已保存")


file_path = 'E:/python/resource/comments.txt'
word_path = 'E:/python/resource/wordcloud.txt'

if __name__ == '__main__':
    cut_word(file_path)
    get_cloud(word_path)

如有错误，欢迎私信纠正，谢谢支持！