python进行词语筛选生成词云

最新推荐文章于 2023-12-21 09:57:35 发布

原创最新推荐文章于 2023-12-21 09:57:35 发布 · 1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

由于未提供博客具体内容，无法生成包含关键信息的摘要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import wordcloud
import re
import jieba
import pandas as pd
import numpy
from wordcloud import WordCloud
import matplotlib.pyplot as plt
type = ['','&percent_type=h','&percent_type=m','&percent_type=l']
for j in range(4):
    with open('影评{}'.format(type[j]) + '.txt',"r",encoding='utf-8') as f:#
    #可以选择替换txt文件
        data=f.readlines()
        col = ''
        for k in data:
            k = k.strip('\n')  # 去掉读取中的换行字符

            col=col+k
        pattern = re.compile(r'[\u4e00-\u9fa5]+')#查找汉字
        filterdata = re.findall(pattern, col)
        cleanedcol=''.join(filterdata)

        segment = jieba.lcut(cleanedcol)#分解成词语
        words_df = pd.DataFrame({'segment': segment})
        #创建Dataframe型的数据结构，类似于表格，用于存放排序segment
        stopwords = pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep="\t",names=['stopword'],encoding='gbk')
        #读取stopwords中的内容存入stopwords（和Dtaframe结构相似）中
        words_df=words_df[~words_df.segment.isin(stopwords.stopword)]
        #isin函数用于清洗数据，把words_df中的数据换成两个表中都不存在的数据
        words_stat=words_df.groupby(by=['segment'])['segment'].agg([("计数",numpy.size)])
        #对words_stat中的词语统计，新添一列计数表示每个词出现的频率
        words_stat=words_stat.reset_index().sort_values(by=["计数"],ascending=False)
        #按照计数中的数值大小降序排序
        word_fre={x[0]:x[1] for x in words_stat.head(1000).values}
        #读取前两列数据key和value
        word_fre_list=[]
        for key in word_fre:
            temp = (key,word_fre[key])
            word_fre_list.append(temp)
            #存入word_fre_list中
        wordcloud=WordCloud(font_path="simhei.ttf",background_color="white",width=2000,height=1000)
        wordcloud=wordcloud.fit_words(dict(word_fre_list))


        wordcloud.to_file("F://PycharmDemo/Project/DouBan/temp{}".format(type[j])+".png")


#-----------------------------------------------------------------------------------

    # with open('F:\\PycharmDemo\Test\影评{}'.format(type[j]) + '.txt',"r",encoding='utf-8') as f:
    #     wordcloud = WordCloud(background_color='Black',  # 背景色
    #                           width=2000,  # 宽度
    #                           height=1000,  # 高度
    #                           margin=1,  # 词语边缘距离
    #                           font_path='C:\windows\Fonts\simhei.ttf') .generate(f.read())
    #     wordcloud.to_image().show()