【python資料探勘課程】十三.WordCloud詞雲配置過程及詞頻分析

一. 安裝WordCloud

在使用WordCloud詞雲之前，需要使用pip安裝相應的包。
pip install WordCloud
pip install jieba
其中WordCloud是詞雲，jieba是結巴分詞工具。
jieba參考我的部落格：[python] 使用Jieba工具中文分詞及文字聚類概念

問題：在安裝WordCloud過程中，你可能遇到的第一個錯誤如下。
error: Microsoft Visual C++ 9.0 is required. Get it from http://asa.ms/vcpython27

解決方法也很簡單，下載VCForPython27安裝（Microsoft Visual C++ Compiler for Python 2.7）。但是在微軟下載總是沒響應。微軟地址如下：
https://www.microsoft.com/en-us/download/details.aspx?id=44266
這是最大的問題，下面我自己提供一個CSDN的地址供大家下載。下載完成，可以進行安裝響應的庫函式。
資源地址：http://download.csdn.net/detail/eastmount/9788218

安裝完成之後，可以正常執行程式碼啦。

二. 簡單詞雲程式碼

下面這部分程式碼參考老曹的，希望對你有所幫助。
老曹說：什麼是詞雲呢？詞雲又叫文字雲，是對文字資料中出現頻率較高的“關鍵詞”在視覺上的突出呈現，形成關鍵詞的渲染形成類似雲一樣的彩色圖片，從而一眼就可以領略文字資料的主要表達意思。
程式碼如下：

# -*- coding: utf-8 -*-
import jieba
import sys
import matplotlib.pyplot as plt
from wordcloud import WordCloud

#開啟本體TXT檔案
text = open('test.txt').read()
print type(text)

#結巴分詞 cut_all=True 設定為全模式 
wordlist = jieba.cut(text, cut_all = True)

#使用空格連線 進行中文分詞
wl_space_split = " ".join(wordlist)
print wl_space_split

#對分詞後的文字生成詞雲
my_wordcloud = WordCloud().generate(wl_space_split)

#顯示詞雲圖
plt.imshow(my_wordcloud)
#是否顯示x軸、y軸下標
plt.axis("off")
plt.show()

執行結果如下所示：

這是中文編碼問題，下面講解解決方法。

三. 中文編碼錯誤及解決

在WordCloud安裝的目錄下找到WordCloud.py檔案，對原始碼進行修改。

編輯wordcloud.py，找到FONT_PATH，將DroidSansMono.ttf修改成msyh.ttf。這個msyh.ttf表示微軟雅黑中文字型。

注意，此時執行程式碼還是報錯，因為需要在同一個目錄下放置msyh.ttf字型檔案供程式呼叫，如下圖所示，這是原來的字型DroidSansMono.ttf。

此時的執行結果如下所示，這是分析CSDN多篇部落格的主題，"閱讀"和"評論"比較多。

也可以採用下面的程式碼：
wordcloud = WordCloud(font_path = 'MSYH.TTF').fit_words(word)

四. 照片背景的詞雲程式碼

下面進一步深入，假設存在一個圖 "sss3.png"，核心程式碼如下：

# -*- coding: utf-8 -*-
from os import path
from scipy.misc import imread  
import jieba
import sys
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator  

# 開啟本體TXT檔案
text = open('weixin.txt').read()

# 結巴分詞 cut_all=True 設定為全模式 
wordlist = jieba.cut(text)     #cut_all = True

# 使用空格連線 進行中文分詞
wl_space_split = " ".join(wordlist)
print wl_space_split

# 讀取mask/color圖片
d = path.dirname(__file__)
nana_coloring = imread(path.join(d, "sss3.png"))

# 對分詞後的文字生成詞雲
my_wordcloud = WordCloud( background_color = 'white',      # 設定背景顏色
                            mask = nana_coloring,          # 設定背景圖片
                            max_words = 2000,              # 設定最大現實的字數
                            stopwords = STOPWORDS,         # 設定停用詞
                            max_font_size = 50,            # 設定字型最大值
                            random_state = 30,             # 設定有多少種隨機生成狀態，即有多少種配色方案
                            )

# generate word cloud 
my_wordcloud.generate(wl_space_split)

# create coloring from image  
image_colors = ImageColorGenerator(nana_coloring)

# recolor wordcloud and show  
my_wordcloud.recolor(color_func=image_colors)

plt.imshow(my_wordcloud)    # 顯示詞雲圖
plt.axis("off")             # 是否顯示x軸、y軸下標
plt.show()

# save img  
my_wordcloud.to_file(path.join(d, "cloudimg.png"))

執行結果如下圖所示，顯示我加寶寶我兩最近兩月的聊天記錄。

一弦一柱思華年，一co一ding夢嚴賢。
希望文章對你有所幫助，尤其是結合資料庫做資料分析的人。還是那句話，如果剛好需要這部分知識，你就會覺得非常有幫助，否則只是覺得好玩，這也是線上筆記的作用。如果文章中存在不足或錯誤的地方，還請海涵~

(By:Eastmount 2017-03-21 下午2點 http://blog.csdn.net/eastmount/ )

【python資料探勘課程】十三.WordCloud詞雲配置過程及詞頻分析

一. 安裝WordCloud

二. 簡單詞雲程式碼

三. 中文編碼錯誤及解決

四. 照片背景的詞雲程式碼

相關文章