python数据挖掘课程 十三.WordCloud词云配置过程及词频分析

        这篇文章是学习了老曹的微信直播,感觉WordCloud对我的《Python数据挖掘课程》非常有帮助,作者学习后准备下次上课分享给我的学生,让他们结合词频分析来体会下词云。希望这篇基础文章对你有所帮助,同时自己也是词云的初学者,强烈推荐老曹的博客供大家学习。如果文章中存在不足或错误的地方,还请海涵~
        老曹地址:10行python代码的词云 - 半吊子全栈工匠

        前文推荐:
       【Python数据挖掘课程】一.安装Python及爬虫入门介绍
       【Python数据挖掘课程】二.Kmeans聚类数据分析及Anaconda介绍
       【Python数据挖掘课程】三.Kmeans聚类代码实现、作业及优化
       【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析
       【Python数据挖掘课程】五.线性回归知识及预测糖尿病实例
       【Python数据挖掘课程】六.Numpy、Pandas和Matplotlib包基础知识
       【Python数据挖掘课程】七.PCA降维操作及subplot子图绘制
       【Python数据挖掘课程】八.关联规则挖掘及Apriori实现购物推荐
       【Python数据挖掘课程】九.回归模型LinearRegression简单分析氧化物数据
       【python数据挖掘课程】十.Pandas、Matplotlib、PCA绘图实用代码补充
       【python数据挖掘课程】十一.Pandas、Matplotlib结合SQL语句可视化分析
       【python数据挖掘课程】十二.Pandas、Matplotlib结合SQL语句对比图分析


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CSDN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.csdn.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
 
  1. # -*- coding: utf-8 -*-  
  2. import jieba  
  3. import sys  
  4. import matplotlib.pyplot as plt  
  5. from wordcloud import WordCloud  
  6.   
  7. #打开本体TXT文件  
  8. text = open('test.txt').read()  
  9. print type(text)  
  10.   
  11. #结巴分词 cut_all=True 设置为全模式   
  12. wordlist = jieba.cut(text, cut_all = True)  
  13.   
  14. #使用空格连接 进行中文分词  
  15. wl_space_split = " ".join(wordlist)  
  16. print wl_space_split  
  17.   
  18. #对分词后的文本生成词云  
  19. my_wordcloud = WordCloud().generate(wl_space_split)  
  20.   
  21. #显示词云图  
  22. plt.imshow(my_wordcloud)  
  23. #是否显示x轴、y轴下标  
  24. plt.axis("off")  
  25. plt.show()  

        运行结果如下所示:



        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CSDN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
 
  1. # -*- coding: utf-8 -*-  
  2. from os import path  
  3. from scipy.misc import imread    
  4. import jieba  
  5. import sys  
  6. import matplotlib.pyplot as plt  
  7. from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator    
  8.   
  9. # 打开本体TXT文件  
  10. text = open('weixin.txt').read()  
  11.   
  12. # 结巴分词 cut_all=True 设置为全模式   
  13. wordlist = jieba.cut(text)     #cut_all = True  
  14.   
  15. # 使用空格连接 进行中文分词  
  16. wl_space_split = " ".join(wordlist)  
  17. print wl_space_split  
  18.   
  19. # 读取mask/color图片  
  20. d = path.dirname(__file__)  
  21. nana_coloring = imread(path.join(d, "sss3.png"))  
  22.   
  23. # 对分词后的文本生成词云  
  24. my_wordcloud = WordCloud( background_color = 'white',      # 设置背景颜色  
  25.                             mask = nana_coloring,          # 设置背景图片  
  26.                             max_words = 2000,              # 设置最大现实的字数  
  27.                             stopwords = STOPWORDS,         # 设置停用词  
  28.                             max_font_size = 50,            # 设置字体最大值  
  29.                             random_state = 30,             # 设置有多少种随机生成状态,即有多少种配色方案  
  30.                             )  
  31.   
  32. # generate word cloud   
  33. my_wordcloud.generate(wl_space_split)  
  34.   
  35. # create coloring from image    
  36. image_colors = ImageColorGenerator(nana_coloring)  
  37.   
  38. # recolor wordcloud and show    
  39. my_wordcloud.recolor(color_func=image_colors)  
  40.   
  41. plt.imshow(my_wordcloud)    # 显示词云图  
  42. plt.axis("off")             # 是否显示x轴、y轴下标  
  43. plt.show()  
  44.   
  45. # save img    
  46. my_wordcloud.to_file(path.join(d, "cloudimg.png"))  
        运行结果如下图所示,显示我加宝宝我两最近两月的聊天记录。

   


       一弦一柱思华年,一co一ding梦严贤。
       希望文章对你有所帮助,尤其是结合数据库做数据分析的人。还是那句话,如果刚好需要这部分知识,你就会觉得非常有帮助,否则只是觉得好玩,这也是在线笔记的作用。如果文章中存在不足或错误的地方,还请海涵~

        (By:Eastmount 2017-03-21 下午2点  http://blog.csdn.net/eastmount/ )

你可能感兴趣的:(Python,Python,WordCloud词云)