NO.9 04.22 wordcloud词云，文件读写操作

1.wordcloud词云

1.概述

wordcloud是优秀的词云展示第三方库。所谓词云就是通过形成“关键词云层”或“关键词渲染”，对网络文本中出现频率较高的“关键词”的视觉上的突出，词云图过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。
例如：

词云

2.用到的第三方库

(cmd命令行) pip install wordcloud
(cmd命令行) pip install imageio
注意在安装wordcloud库时可能会出现报错，需要去网上下载VS组件，再进行安装。

3.wordcloud使用说明

wordcloud把词云当做一个WordCloud对象

• wordcloud.WordCloud()代表一段文本对应的词云*。
• 可以根据文本中词语出现的频率等参数绘制词云。
• 词云的绘制形状，尺寸和颜色都可以设定。

4.创建词云的步骤

1. 创建对象并配置参数：w=wordcloud.WordCloud(...)
2. 加载文本：w.genertae(txt)
3. 输出文件(.png或者.jpg) ：w.to_file(filename)

由文本变成词云的详细步骤为：

1. 分隔：以空格分隔单词
2. 统计：单词出现次数并过滤
3. 字体：根据统计配置字号
4. 布局：颜色环境尺寸

示例代码：

import wordcloud
w=wordcloud.WordCloud()   //——1.创建对象
txt='Anti Tracks is a complete solution ernet tracks'   
w.generate(txt)   //——2.加载文本
w.to_file('cy1.png')   //——3.输出文件

输出的文件cy1.png：

cy1.png

注意同一段文本每次运行得到的词云都有可能不一样(颜色，位置会变)，因为这里并没有固定的配置参数，但是字号是不变的，因为对于同一段文本来说，词频统计得到的结果是一样的。并且最新的结果会覆盖掉上一次的结果。

5.配置词云的参数(在创建词云对象的时候配置，各参数用逗分隔)

• width：指定词云对象生成的图片的宽度，默认400px。
  例如：w=wordcloud.WordCloud(width=600)
• height：指定词云对象生成的图片的高度，默认200px。
  例如：w=wordcloud.WordCloud(height=400)
• min_font_size：指定词云中字体的最小字号，默认4号。
  例如：w=wordcloud.WordCloud(min_font_size=10)
• max_font_size：指定词云中字体的最大字号，根据高度自动调节。
  例如：w=wordcloud.WordCloud(max_font_size=20)
• font_step：指定词云中字体字号的步进间隔，默认为1。
  例如：w=wordcloud.WordCloud(font_step=2)
• font_path：指定字体文件的路径，默认None。
  例如：w=wordcloud.WordCloud(font_path="msyh.ttc")设置微软雅黑(必须是计算机中存在的字体)
• max_words：指定词云显示的最大单词数量，默认为200。
  例如：w=wordcloud.WordCloud(max_words=20)
• stop_words：指定词云的排除词列表，即不显示的单词列表，这跟jieba分词中的禁用词类似。
  例如：w=wordcloud.WordCloud(stop_words={"Python"})
• maxk：指定词云的形状，默认为长方形，需要引用imread()函数。
  
  指定生成的图片为中国地图的形状chinamap.jpg

例如：

from imageio import imread
mk=imread("chinamap.jpg")
w=wordcloud.WordCloud(mask=mk)

• background_color：指定词图片的背景颜色，默认为黑色。
  例如：w=wordcloud.WordCloud(background_color="white")

6.中文词云

当给定的txt是含中文的字符串时，需要配置font_path参数，而且因为中文句子或文章不存在空格分隔，需要利用之前的jieba分词库来对文本进行分词(列表)并转换为字符串。例如：

import jieba
import wordcloud
w=wordcloud.WordCloud(width=800,height=600,background_color="white",font_path="msyh.ttc")
txt='2016年4月14日，勇士主场125-104轻取灰熊，斯蒂芬·库里全场得到46分，其中三分球19投10中，赛季三分球命中数累计达到402个，成为NBA历史上首位单季三分球命中数突破400大关的球员，帮助勇士队以73胜9负的常规赛战绩，打破公牛在1995-96赛季创下的纪录（72胜10负），成为NBA历史单赛季常规赛战绩最好的球队。2015-16赛季，库里代表勇士出场79次，场均上场34.2分钟得到30.1分5.4篮板6.7助攻，命中5.1个三分球，成为NBA历史上首位单赛季场均至少30分5篮板6助攻并命中5三分的球员。此外，库里场均得分和抢断均位列全联盟第一，职业生涯首次成为单赛季得分王和抢断王。'
txt1=" ".join(jieba.lcut(txt))
w.generate(txt1)
w.to_file('cy4.png')

运行之后生成的词云图为：

cy4.png

2.文件读写

1.将文件内容读取之后再生成词云

• 步骤1：读取文件，分词整理
• 步骤2：设置并输出词云
• 步骤3：观察结果，优化迭代

2.文件的概述

• 文件是存储在辅助存储器上的数据序列
• 文件是数据存储的一种形式
• 文件的展现形态：文本文件和二进制文件
  文件文件和二进制文件只是文件的展示方式不同，本质上，所有文件都是二进制形式存储，形式上，所有文件采用两种方式展示。
  
  文本文件和二进制文件

3.文件操作步骤

1.打开文件：open()
格式为：<变量名> = open(<文件名>,<打开模式>)文件名可以是绝对路径也可以是相对路径。
打开模式：

文件的打开模式

例如：

打开模式举例

2.操作文件：

• 读文件：
  f.read(size)：读入全部内容，如果给出参数，读入前size长度
  例如：s=f.read(2)结果为：中国
f.readline(size)：读入一行内容，如果给出参数，读入该行前size长度
  例如：s=f.read()结果为：中国是一个伟大的国家
f.readlines(hint)：读入文件所有行，以每行为元素形成列表，如果给出参数，读入前hint个字符所在的行
  例如：s=f.readlines()结果为：['中国是一个伟大的国家!']

注意当我们要读的文件中含有中文时，需要在open()函数里面加上encoding="utf-8"。另外，readline()和readlines()默认在读完每一行时会有一个换行，如果不想要，可以利用print(...,end =" ")或者切片将每一行的字符串的最后一个换行符舍去，readlines()之后在循环体写print(s[0:-1])。其实在打开文件open的时候就已经隐藏了readlines这个方法，因此可以省略readlines这一步。

综上所述，遍历全文本的方法有以下几种：

遍历全文本—方法一

遍历全文本—方法二

逐行遍历文件—方法一

逐行遍历文件—方法二

• 写文件：
  f.write(s)：向文件写入一个字符串或字节流
  例如：f.write("中国是一个伟大的国家")
f.writelines(lines)：将一个元素全为字符串的列表写入文件,例如：

ls=["中国","法国","美国"]
f.writelines(ls)

f.seek(offset,whence)：改变当前文件操作指针的位置(当我们在写入文件的时候，默认情况下光标是在最开始的位置，光标随着写入字符而移动)，offset表示位移量，whence的含义为：0—文件开头，1—当前位置，2—文件结尾。whence其实就是设置在开始移动时的起始位置。例如：f.seek(0)回到文件开头，f.seek(0,2)回到文件尾

文件写入操作错误示例

例如在上面这段程序执行后不会输出任何内容，因为在你写入了列表之后，光标指针在你写的内容的末尾，再往后移是读不到内容的，因此需要用到f.seek()方法来让光标回到文件开头位置，代码如下：

文件写入操作正确示例

3.关闭文件：close()

3.将文件操作与词云生成结合

题目：读取与项目文件同目录下的关于实施乡村振兴战略的意见.txt文件并将其转换为词云。
示例代码：

import jieba
import wordcloud

r=open("关于实施乡村振兴战略的意见.txt","r",encoding="utf-8")
t=r.read()
r.close()
ls=jieba.lcut(t)
txt=" ".join(ls)
w=wordcloud.WordCloud(width=1000,height=800,background_color="black",font_path="msyh.ttc")
w.generate(txt)
w.to_file('cp2.png')

运行结果为：

cp2.png

在上题的基础上，使生成的词云具有指定的形状：

import jieba
import wordcloud
from imageio import imread

mk=imread("chinamap.jpg")
r=open("关于实施乡村振兴战略的意见.txt","r",encoding="utf-8")
t=r.read()
r.close()
ls=jieba.lcut(t)
txt=" ".join(ls)
w=wordcloud.WordCloud(width=1000,height=800,background_color="white",font_path="msyh.ttc",mask=mk)
w.generate(txt)
w.to_file('cp3.png')

运行结果为：

cp3.png