python词频统计代码_词云图 Python利用jieba库做词频统计
一.环境以及注意事项
1.windows10家庭版 python 3.7.1
2.需要使用到的库 wordcloud(词云),jieba(中文分词库),安装过程不展示
请安装到C:\Windows\Fonts 里面
5.调试过程可能会出现许多小问题，请检查单词是否拼写正确，如words->word等等
6.特别提醒：背景图片和文本需 放在和py文件同一个地方
二.词频统计以及输出
（1） 代码如下（封装为txt函数）
函数作用：jieba库三种模式中的精确模式（输出的分词完整且不多余） jieba.lcut(str)： 返回列表类型
def txt(): #输出词频前N的词语
txt = open("三国演义.txt","r").read() #打开txt文件,要和python在同一文件夹
words = jieba.lcut(txt) #精确模式，返回一个列表
counts = {} #创建字典
excludes = ("将军","二人","却说","荆州","不可","不能","如此","如何",\
"军士","左右","军马","商议","大喜") #规定要去除的没意义的词语
for word inwords:
if len(word) == 1: #把意义相同的词语归一
continue
elif word == "诸葛亮" or word == "孔明曰":
rword = "孔明"
elif word == '关公' or word == '云长':
rword = '关羽'
elif word == '玄德' or word == '玄德曰':
rword = '刘备'
elif word == '孟德' or word == "丞相" or word == '曹躁':
rword = '曹操'
else:
rword =word
counts[rword] = counts.get(rword,0) + 1 #字典的运用，统计词频P167
for word in excludes: #删除之前所规定的词语
del(counts[word])
items = list(counts.items()) #返回所有键值对P168
items.sort(key=lambda x:x[1], reverse =True) #降序排序
N =eval(input("请输入N：代表输出的数字个数"))
wordlist=list()
for i inrange(N):
word,count =items[i]
print("{0:<10}{1:<5}".format(word,count)) #输出前N个词频的词语
（2）效果图
三.词频+词云
（1） 词云代码如下 （由于是词频与词云结合，此函数不能直接当普通词云函数使用，自行做恰当修改即可）
defcreate_word_cloud(filename):
wl = txt() #调用函数获取strcloud_mask = np.array(Image.open("love.jpg"))#词云的背景图，需要颜色区分度高 需要把背景图片名字改成love.jpgwc =WordCloud(
background_color = "black", #背景颜色
mask = cloud_mask, #背景图cloud_mask
max_words=100, #最大词语数目
font_path = 'simsun.ttf', #调用font里的simsun.tff字体，需要提前安装
height=1200, #设置高度
width=1600, #设置宽度
max_font_size=1000, #最大字体号
random_state=1000, #设置随机生成状态，即有多少种配色方案
)
myword = wc.generate(wl) # 用 wl的词语 生成词云
# 展示词云图
plt.imshow(myword)
plt.axis("off")
plt.show()
wc.to_file('1.jpg') # 把词云保存下当前目录（与此py文件目录相同）
（2） 词频加词云结合的 完整 代码如下
from wordcloud importWordCloud
importmatplotlib.pyplot as plt
importjieba
importnumpy as np
from PIL importImage
def txt(): #输出词频前N的词语并且以str的形式返回
txt = open("三国演义.txt","r").read() #打开txt文件,要和python在同一文件夹
words = jieba.lcut(txt) #精确模式，返回一个列表
counts = {} #创建字典
excludes = ("将军","二人","却说","荆州","不可","不能","如此","如何",\
"军士","左右","军马","商议","大喜") #规定要去除的没意义的词语
for word inwords:
if len(word) == 1: #把意义相同的词语归一
continue
elif word == "诸葛亮" or word == "孔明曰":
rword = "孔明"
elif word == '关公' or word == '云长':
rword = '关羽'
elif word == '玄德' or word == '玄德曰':
rword = '刘备'
elif word == '孟德' or word == "丞相" or word == '曹躁':
rword = '曹操'
else:
rword =word
counts[rword] = counts.get(rword,0) + 1 #字典的运用，统计词频P167
for word in excludes: #删除之前所规定的词语
del(counts[word])
items = list(counts.items()) #返回所有键值对P168
items.sort(key=lambda x:x[1], reverse =True) #降序排序
N =eval(input("请输入N：代表输出的数字个数"))
wordlist=list()
for i inrange(N):
word,count =items[i]
print("{0:<10}{1:<5}".format(word,count)) #输出前N个词频的词语
wordlist.append(word) #把词语word放进一个列表
a=' '.join(wordlist) #把列表转换成str wl为str类型，所以需要转换
returna
defcreate_word_cloud(filename):
wl = txt() #调用函数获取str！！
#图片名字 需一致
cloud_mask = np.array(Image.open("love.jpg"))#词云的背景图，需要颜色区分度高
wc =WordCloud(
background_color = "black", #背景颜色
mask = cloud_mask, #背景图cloud_mask
max_words=100, #最大词语数目
font_path = 'simsun.ttf', #调用font里的simsun.tff字体，需要提前安装
height=1200, #设置高度
width=1600, #设置宽度
max_font_size=1000, #最大字体号
random_state=1000, #设置随机生成状态，即有多少种配色方案
)
myword = wc.generate(wl) # 用 wl的词语 生成词云
# 展示词云图
plt.imshow(myword)
plt.axis("off")
plt.show()
wc.to_file('1.jpg') # 把词云保存下当前目录（与此py文件目录相同）
if __name__ == '__main__':
create_word_cloud('三国演义')
（3） 效果图如下（输出词频以及词云）
