wordcloud:让你的词语像云朵一样美

本文详细介绍了一种使用Python的jieba和wordcloud库生成词云的方法。通过读取文本文件,进行分词处理,并将结果可视化为词云,适用于中文文本的数据可视化需求。

介绍

对文本中出现频率较高的关键词给予视觉化的显示

使用

import jieba
import codecs
import wordcloud


file = r"C:\Users\Administrator\Desktop\岗位需求.txt"
text = codecs.open(file, mode='r', encoding="utf-8").read()

cut_string = jieba.cut(text)
# 将里面的单词使用空格连接
string = " ".join(cut_string)

# 下面就可做成词云了
wc = wordcloud.WordCloud(font_path=r"C:\Windows\Fonts\msyhbd.ttc",  # 中文的话,必须要指定字体
                         background_color="black",  # 指定背景色
                         width=600,
                         height=400
                         )
# 生成词云
wc.generate(string)

# 保存到本地
wc.to_file("1.png")

打开文件

1229382-20190630214251812-29634713.png

转载于:https://www.cnblogs.com/traditional/p/11111371.html

Python应用实验--云图 一、实验内容 阅读下面材料,请使用Python编程实现云图绘制。 云图(Word Cloud 或 Tag Cloud)是Quick BI“其他类”组件中的一种,它是一种用于可视化展示大量文本数据中关键频率或重要性的图表。云图将汇以不同大小、颜色或方向的视觉形式排列,形成类似云朵的彩色图形。词语的大小通常与其在文本中出现的频率或某个关联的度量值成正比,使得用户能够快速识别出哪些词语是核心或高频的。 主要优势: 直观突出重点: 能够快速抓住文本数据的核心关键和主题。 视觉冲击力强: 色彩丰富、形态多样的云图具有较好的视觉吸引力。 灵活的形状与样式: Quick BI云图支持矩形、圆形、三角形、爱心等多种云图形状,以及文字方向、大小范围的自定义。 支持分模式: 对于长句或段落文本,可以智能拆解并按频或关联度量值展示关键。 交互与备注能力: 支持配置跳转链接至外部系统,以及添加备注、尾注等信息。 典型应用场景: 用户画像与标签分析: 分析用户评论、反馈、搜索记录等文本,提取高频汇作为用户标签,用于用户画像构建和精细化营销。 内容主题提取: 快速了解一篇文章、报告或大量文档的核心主题和讨论热点。 社交媒体情感分析: 可视化社交媒体上关于某个话题或品牌的讨论热,初步判断公众情绪倾向。 搜索引擎关键优化 (SEO): 分析网站内容或竞争对手的关键分布,辅助SEO策略。 调查问卷开放题分析: 将开放式问题的答案生成云,快速掌握受访者的主要观点。 参考的部分代码: import jieba from wordcloud import WordCloud import matplotlib.pyplot as plt with open("a006.txt", encoding="utf-8") as f: # 读桌面的a006.txt text = f.read() # 把文字全拿出来 words = jieba.cut(text) # 把句子分解成一个个汉语汇 word_str = " ".join(words) WordCloud(…)).generate(word_str) 整理一份PPT文档,命名为 学号+姓名+“云图”,内容要求如下: ①安装的第三方库的名称、功能介绍及安装过程截图。 ②Python程序源代码。 ③Python程序运行界面截图。
最新发布
12-07
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值