python词频统计_用Python实现一个词频统计(词云)图

有没有办法一眼扫过去，就知道一篇很长的文章是讲什么的呢？

词云图，就是做这个用途， 就像下面这张图，

词云图

看过是不是马上就有了“数据、分析、功能”这个概念？

那么这种图是怎么做出来的呢，很简单，下面我就带大家一步一步做出这张图来。

01 准备工作

首先安装好python （我用的是3.6版本），具体安装方法可以参考文末链接。

再下载好几个扩展库

(在OS下执行下面语句即可，# 及后面备注去除)

pip install re # 正则表达式库

pip install collections # 词频统计库

pip install numpy # numpy数据处理库

pip install jieba # 结巴分词

pip install wordcloud # 词云展示库

pip install PIL # 图像处理库

pip install matplotlib.pyplot # 图像展示库

准备好你打算统计的文件，命名为article.txt，保存到与程序文件相同目录中

准备一个做背景的图片，命名为wordcloud.jpg，同样保存到与程序文件相同目录中

02 编写代码

开启一个空python文件，命名为 wordcount.py，输入如下代码

# 导入扩展库

import re # 正则表达式库

import collections # 词频统计库

import numpy as np # numpy数据处理库

import jieba # 结巴分词

import wordcloud # 词云展示库

from PIL import Image # 图像处理库

import matplotlib.pyplot as plt # 图像展示库

# 读取文件

fn = open('article.txt') # 打开文件

string_data = fn.read() # 读出整个文件

fn.close() # 关闭文件

# 文本预处理

pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') # 定义正则表达式匹配模式

string_data = re.sub(pattern, '', string_data) # 将符合模式的字符去除

# 文本分词

seg_list_exact = jieba.cut(string_data, cut_all = False) # 精确模式分词

object_list = []

remove_words = [u'的', u'，',u'和', u'是', u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',

u'通常',u'如果',u'我们',u'需要'] # 自定义去除词库

for word in seg_list_exact: # 循环读出每个分词

if word not in remove_words: # 如果不在去除词库中

object_list.append(word) # 分词追加到列表

# 词频统计

word_counts = collections.Counter(object_list) # 对分词做词频统计

word_counts_top10 = word_counts.most_common(10) # 获取前10最高频的词

print (word_counts_top10) # 输出检查

# 词频展示

mask = np.array(Image.open('wordcloud.jpg')) # 定义词频背景

wc = wordcloud.WordCloud(

font_path='C:/Windows/Fonts/simhei.ttf', # 设置字体格式

mask=mask, # 设置背景图

max_words=200, # 最多显示词数

max_font_size=100 # 字体最大值

)

wc.generate_from_frequencies(word_counts) # 从字典生成词云

image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案

wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案

plt.imshow(wc) # 显示词云

plt.axis('off') # 关闭坐标轴

plt.show() # 显示图像

03 运行

如果一切正常，将输出结果如下：

词云图输出结果