“不忘初心，牢记使命，高举中国特色社会主义伟大旗帜，决胜全面建成小康社会，夺取新时代中国特色社会主义伟大胜利，为实现中华民族伟大复兴的中国梦不懈奋斗。”
十九大召开已过去近一个月，我国社会主要矛盾已经转变，中国特色社会主义进入了新时代，中国人民实现了从站起来，富起来到强起来，我们国家已经走近世界舞台的中央。国家强盛，民族自豪，为了中国梦，戮力前行。
考研的同学应该此刻也在对着十九大报告埋头苦背吧，作为一只有中国梦和爱国心的程序猿，这份报告也必须熟读了解啊，万一有机会考研就用到了呢。
出于对技术的热爱和好奇心，Python大法立时出现在脑海，网上也曾有人用词云解读过报告，人生苦短，何不用Python来自己解读一下这份报告，加深映像呢。
词云
偶有看到有人实现用词云展示十九大报告关键词，这里就利用自己掌握的技术实现一下词云解读报告。先来看看生成的词云图：
是不是还是蛮有趣的，报告中的高频词汇都清晰地以徽标的形状映射出来了，词频越高，词汇也就越大。
也许也有很多同学想要学习一下这么酷炫的小技巧，在自己的ppt和汇报中show一下，这里就将具体实现过程分享给大家。
首先要装好python环境，然后装好几个python的常用库，包括词云库wordcloud，绘图库matplotlib，中文分词库jieba，图像处理库PIL和科学计算库numpy。
这么多库一个个装也会麻烦些，其实下载Anaconda就可以了，很多库都直接集成在里面了。装了Anaconda的话，只需再装个词云库就可以了，可以在终端或者cmd输入下面命令安装，如果要在已有python环境安装其他库也可以用这个命令，具体安装过程也可以搜索一下教程。
pip install wordcloud
准备好环境可以开始做词云图了，首先准备好报告全文，另存为纯文本文件如shijiuda.txt。
第一步，导入所需的库和报告全文，path为文本文件路径。
用jieba库对全文分词，分词结果以字符串形式存入alldata中，注意格式为“词语1 词语2 词语3”，词语之间用空格隔开。
import wordcloud as wc
import matplotlib.pyplot as plt
import jieba
from PIL import Image
from numpy import array
path="D:/.../shijiuda.txt"
#从路径读取报告全文，存为data
data=open(path,"r",encoding="UTF-8").read()
#使用jieba分词
cutdata=jieba.cut(data)
alldata=""
for i in cutdata:
alldata=alldata+" "+str(i)
第二步，选取生成词云所需的中文字体font，一般为.ttf文件，windos系统在目录C:\WINDOWS\Fonts下，mac在/System/Library/Fonts或/Library/Fonts目录下，这里选了常规简体中文黑体。
然后准备好一张背景图片，如dang.jpg，用轮廓越清晰，质量越高的图片生成的词云图效果越好,对于上面做的词云图我找的背景图是下面这张。
用PIL的Image方法读取图片，将图片转为数组，然后用分好的词alladata生成词云图。
font=r"/System/Library/Fonts/STHeiti Medium.ttc"
#读图片
pic=Image.open("D:/.../dang.jpg")
#图片转数组
picarray=array(pic)
#collocations=False表示是否归并词，传入字体路径，图片数组，设置背景颜色为白色，用alldata生成词云
mywc=wc.WordCloud(collocations=False, font_path=font,mask=picarray,background_color="white").generate(alldata)
#画布大小
fig = plt.figure(figsize=(10,10))
#展示图片
plt.imshow(mywc)
#去掉坐标轴
plt.axis('off')
plt.show()
然后就可以换几个图片背景看看其他词云效果了。
可以看到较大较明显的词都是十九大报告中的高频关键词。
词频统计
如果想更深入了解具体词频情况，可以继续做词频统计。比如我想把出现最多的前20个词拿出来比对一下，词云图无法展示哪20个词出现最多，这时可以用条形图对比分析。
这个图也是完全用Python做统计分析后实现的。从这个对比图就非常清楚的看出“社会”、“发展”、“人民”、“中国”、“建设“、社会主义”等词出现频率最高，都出现过150次以上。
首先从分词后的数据中找出出现次数最多的前20个词，以及它们的词频。
from jieba.analyse import extract_tags
import numpy as npy
#extract_tags提取词频前20的关键词存为列表tags中
tags = extract_tags(sentence=alldata, topK=20)
#全切词，分别统计出这20个关键词出现次数，即词频，存为字典words_freq中
words = [word for word in jieba.cut(data, cut_all=True)]
words_freq = {}
for tag in tags:
freq = words.count(tag)
words_freq[tag] = freq
#将该字典按词频排序
usedata=sorted(words_freq.items(), key=lambda d:d[1])
#字典转为numpy数组并作矩阵转置，方便画图取用
tmp= npy.array(usedata).T
print(tmp)
tmp即为统计后的前20个数据，存有两个列表，词语和对应的词频，输出如下：
然后利用统计好的数据作图，作图代码如下：
#导入绘图库
from numpy import arange
import matplotlib
#画布大小
fig,ax = plt.subplots(figsize=(10,10))
#输出中文字体
myfont = matplotlib.font_manager.FontProperties(fname="/System/Library/Fonts/STHeiti Medium.ttc")
#图表标题设置，想要标题居中可以去掉x，y的设置
plt.title(u'十九大报告词频统计',fontproperties=myfont,fontsize=20,x=0.001,y=1.02)
#图表x轴设置
ax.set_xlabel(u'出现次数',fontproperties=myfont,fontsize=20,x=0.06,y=1.02,color="gray")
#边框线设置，去除上方右方的框线，左下框线置灰融入背景
ax.spines['bottom'].set_color('grey')
ax.spines['left'].set_color('grey')
ax.spines['top'].set_color('white')
ax.spines['right'].set_color('white')
#传入词语，y轴显示20个标记位置，设置字体大小，颜色为灰色
tick_positions = range(1,21)
ax.set_yticks(tick_positions)
ax.set_yticklabels(tmp[0],fontproperties=myfont,fontsize=18,color="gray")
#设置数据条的间隔
bar_positions = arange(20) + 0.75
#导入数据并做图展示
ax.barh(bar_positions, tmp[1], 0.5,align="edge")
plt.show()
这样就实现了完全用python绘制出上面的词频统计图了。
利用上面的方法就可以画其他文本比如小说、文章、评论的词云或者词频统计图啦。
