一、词云的生成
https://www.lfd.uci.edu/~gohlke/pythonlibs/ >>>python各种库的下载地址
英文
使用wordcloud库生成词云
安装wordcloud
pip install wordcloud
-
常见问题解决方法
常见问题
使用 pip本地安装Wordcloud解决c++环境缺失的问题
使用方式，在工作目录下复制wordcloud.whl文件
打开终端 pip install [文件路径]文件名
matplotlib用于数据可视化
案例
# 导入
from wordcloud import WordCloud
text = """Disney's Alice In Wonderland movie script
This is the unofficial Disney script from Alice in Wonderland. Please remember that this script is in no way 'official'.
These people are responsible for the making of the script
- Typed by Lenny de Rooy
- Edited and verified by Tim Montgomery
This script is copyright of Disney and is reproduced without Disney's permission. It is for entertainment purposes only: this material may not be used for any commercial or for profitable means in any way! Do not abuse it. """
# 调用WordCloud类 生成词云对象
wc = WordCloud().generate(text)
wc.to_file('Alice.png')
生成词云
中文
# 使用jieba分词对中文词进行分割
import jieba
from wordcloud import WordCloud
text = """1，剧本稀烂导演喝醉了，但演员都特别在线，故事原型太棒，以致看预告我就哭傻了。2，任素汐的感觉一直狠好，张嘉译真帅啊啊啊啊。切尔诺贝利在前，一喷水就没忍住一句shit。3，男孩太可爱了，相互最棒了。重逢那波没排球就大败笔，现在参半。4，数秒对钟都还好，结果换帽徽那块没绷住又尿了。5，葛大爷的故事太空啦，硬尬，转折也是，像春晚小品。亮点也有，倒数时葛大爷右边的女生脸上是彩虹旗🌈，宁浩呐。6，要是田导没倒地的话，个人会挺爱这个故事的。陈导的儿子真的可以。7，最顺的一个，雷佳音没说的那句应该是“你天天开飞机，我天天打飞机”吧，哈哈哈哈哈。"""
# 中文分词处理
txt_list = jieba.lcut(text)
# 将列表转化为字符串,用空格隔开
txt = " ".join(txt_list)
print(txt)
# 调用WordCloud类 生成词云对象
wc = WordCloud(
background_color='white',
font_path='msyh.ttc', # 微软雅黑字体
width=800,
height=600
).generate(txt)
wc.to_file('aaa.png')
生成词云
二、python中的文件操作
读取文件 open()内置函数可以读取指定路径的文件
file是文件的路径 ，mode = 'r' 是以只读方式打开
f = open(file='text.txt', mode='r', encoding='UTF-8')
txt = f.read()
f.close()
print(txt)
使用with上下文管理器进行文件读取
可以自动关闭文件
with open('text.txt', 'r', encoding='UTF-8') as f:
print(f.read())
案例：
读取三国演义小说， 并且绘制该小说的整篇词云
import jieba
import imageio
from wordcloud import WordCloud
# 通过imageio模块读取指定形状的图片
mask = imageio.imread('china.jpg')
with open ('novel/threekingdom.txt', 'r', encoding='UTF-8') as f:
data = f.read()
# print(data)
# print(len(data))
#分词
word_list = jieba.lcut(data)
# print(len(word_list))
# print(word_list)
words = "".join(word_list)
#绘制词云
wc = WordCloud(
background_color='white',
font_path='msyh.ttc',
width=800,
height=600,
# 词云中词的最大数
# max_words=40,
# 最小字体的大小
# min_font_size=80,
# mask词云的形状
mask=mask
).generate(words).to_file('三国词云.png')
生成词云
三、列表的排序
- 生成一个列表
li = []
for i in range(10):
li.append(i)
print('生成的li:', li) # 生成的li: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
- 随机打乱顺序
from random import shuffle
shuffle(li)
print('打乱顺序之后的li:', li) # 打乱顺序之后的li: [6, 8, 0, 3, 1, 4, 7, 5, 9, 2]
- 对列表重新进行排序
- 使用list对象的sort方法
li.sort()
print('使用sort方法进行排序之后:', li) # 使用sort方法进行排序之后: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# reverse=True倒序排序
li.sort(reverse=True)
print('使用sort方法，指定reverse进行排序之后：', li) # 使用sort方法，指定reverse进行排序之后： [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
- 使用内置函数sorted
li = sorted(li)
print('使用sorted函数排序之后', li) # 使用sorted函数排序之后 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
li = sorted(li, reverse=True)
print('使用sorted函数，reverse=True排序之后：', li) # 使用sorted函数，reverse=True排序之后： [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
- 总结：sorted 和 sort 的区别
sort仅针对列表进行排序,无返回值，会在原来的列表基础上修改
sorted 是python中单独的内置函数，可以对可迭代(iteratble)对象进行排序，
不局限于list,它不改变原生的数据，重新生成一个新的队列
稍微复杂一些的列表排序
案例1：对学生信息表进行排序
stu_info_list = [
{"name": "zhangsan", "age": 18, "addr": "浑南区"},
{"name": "lisi", "age": 50, "addr": "浑南区"},
{"name": "wangwu", "age": 3, "addr": "浑南区"},
{"name": "zhaoliu", "age": 35, "addr": "浑南区"},
{"name": "tianqi", "age": 20, "addr": "浑南区"}
]
print('排序前:', stu_info_list)
def sort_by_age(x):
return x["age"]
# 对学生信息表进行排序， key 是指定按照什么进行排序，它接收的是一个自定义函数的名字
stu_info_list.sort(key=sort_by_age)
print('排序后:', stu_info_list)
函数 ：将反复使用的代码封装起来，进行调用
格式
# 定义
def 函数名(参数1,.....):
pass
# 调用
函数名(参数1,.....)
案例2：编写一个1~ 任意整数累加和的函数
def caculateNum(num):
sum = 0
for i in range(1, num+1):
sum += i
return sum
num = int(input('请输入任意整数'))
print('1到{}之间的累加和为{}'.format(num, caculateNum(num)))
匿名函数
lambda 表达式
注意，参数可以有多个，但是返回的表达式只允许有一个
格式
lambda 参数1，参数2，.....:表达式
以定义 两个数相加 这个案例进行对比
def sum_two_num(x,y):
return x+y
# 匿名函数
sum_two_num = lambda x, y: x+y
print(sum_two_num(1, 5))
案例3：使用带有匿名函数的表达式排序
stu_info_list = [
{"name": "zhangsan", "age": 18, "addr": "浑南区"},
{"name": "lisi", "age": 50, "addr": "浑南区"},
{"name": "wangwu", "age": 3, "addr": "浑南区"},
{"name": "zhaoliu", "age": 35, "addr": "浑南区"},
{"name": "tianqi", "age": 20, "addr": "浑南区"}
]
# 使用带有匿名函数的表达式排序
stu_info_list = sorted(stu_info_list, key=lambda items: items['age'], reverse=True)
print(stu_info_list)
四、小结案例：三国人物top10分析
import jieba
# 读取文件
with open('novel/threekingdom.txt', 'r', encoding='UTF-8') as f:
data = f.read()
# 分词
words_list = jieba.lcut(data)
print(words_list)
print(type(words_list)) # <class 'list'>
#构建一个容器，存储我们要的数据
#{"夏侯渊":34,"害怕":33...}\
counts = {}
print(type(counts)) # <class 'dict'>
# 遍历wordlist 目标是筛选出人名
for word in words_list:
# print(word)
if len(word) <= 1:
# 过滤无关词语即可
continue
else:
# 向字典counts里更新值
# counts[word] = 字典中原来该词出现的次数 + 1
# counts[word] = counts[word] + 1
# counts["正文"] = count["正文"] + 1
counts[word] = counts.get(word, 0) + 1
print(counts)
# 排序筛选
# 把字典转化成列表[(),()] [{}]
items = list(counts.items())
print(items)
# 按照词频次数进行排序
items.sort(key=lambda x: x[1], reverse=True)
print(items)
# 显示出现词语前20的词
for i in range(20):
# 将返回的数据拆开，拆包
role, count = items[i]
print(role, count)
# 删除无关词语
# 展示
