hi， 大家好，我是宋哈哈，今天分享一个利用 python 的 jieba 库 和 wordcloud 词云库 做一个字符串的词频分析和词云可视化

编程环境：

        python 版本：3.6.8

        编辑器：pycharm 2020.1.3 专业版

        系统环境：win10 专业版

---

       

一、在写代码前，需要准备的是 一个做词云的图片，可以百度找，可以自己用PS设计。也可以保存我下方的图片：保存名为 bj.jpg ---> 切记重命名。

 二、在编辑器中 新建一个目录叫 “datafile”，用来保存生成好的 EXCEL 和 词云图片。

 三、新建一个 文本文档 后缀为 txt，名为 ci.txt, 用来存储被 统计的字符串。【不用在乎是否换行】

首先是导入库：如果运行报错的，请 自己安装。

#encoding:utf-8
import re # 正则表达式库
import collections # 词频统计库
import numpy as np # numpy数据处理库
import jieba # 结巴分词
import wordcloud # 词云展示库
from PIL import Image # 图像处理库
import matplotlib.pyplot as plt # 图像展示库
from matplotlib import colors
import csv
import pandas as pd

内容代码：

datalist = []excelFilename = 'H列' # 保存文件名称def wordFrequency():# 读取文件fn = open('ci.txt', 'rt', encoding='utf-8')  # 打开文件string_data = fn.read()  # 读出整个文件fn.close()  # 关闭文件# 文本预处理pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"')  # 定义正则表达式匹配模式string_data = re.sub(pattern, '', string_data)  # 将符合模式的字符去除# 文本分词seg_list_exact = jieba.cut(string_data, cut_all=False)  # 精确模式分词object_list = []remove_words = [u'的', u'，', u'和', u'是', u'随着', u'对于', u'对', u'等', u'能', u'都', u'。', u' ', u'、', u'中', u'在', u'了',u'通常', u'如果', u'我们', u'需要']  # 自定义去除词库for word in seg_list_exact:  # 循环读出每个分词if word not in remove_words:  # 如果不在去除词库中if len(word) > 2:  # 筛选关键词长度print(word, len(word))object_list.append(word)  # 分词追加到列表# 词频统计word_counts = collections.Counter(object_list)  # 对分词做词频统计word_counts_top = word_counts.most_common(200)  # 获取前200最高频的词for words in word_counts_top:data = [words[0], words[-1]]datalist.append(data)# 建立颜色数组，可更改颜色color_list = ['#0000FF', '#CC0033', '#333333']# 调用colormap = colors.ListedColormap(color_list)# 词频展示mask = np.array(Image.open('bj.jpg'))  # 定义词频背景wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/simhei.ttf',  # 设置字体格式mask=mask,  # 设置背景图max_words=200,  # 最多显示词数max_font_size=100,  # 字体最大值background_color='white',colormap=colormap,random_state=18)wc.generate_from_frequencies(word_counts)  # 从字典生成词云# image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案# wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案wc.to_file(f'datafile/{excelFilename}.jpg')plt.imshow(wc)  # 显示词云plt.axis('off')  # 关闭坐标轴plt.show()  # 显示图像

把统计出来的词频保存为 EXCEL 文件：

def saveExcels():df = pd.DataFrame(datalist,columns=['词语','词频次数'])df.to_excel(f'datafile/{excelFilename}.xlsx')

运行代码：

if __name__ == '__main__':wordFrequency()saveExcels()

完整代码，复制即可用：

#encoding:utf-8
import re # 正则表达式库
import collections # 词频统计库
import numpy as np # numpy数据处理库
import jieba # 结巴分词
import wordcloud # 词云展示库
from PIL import Image # 图像处理库
import matplotlib.pyplot as plt # 图像展示库
from matplotlib import colors
import csv
import pandas as pddatalist = []excelFilename = 'H列' # 保存文件名称def wordFrequency():# 读取文件fn = open('ci.txt', 'rt', encoding='utf-8')  # 打开文件string_data = fn.read()  # 读出整个文件fn.close()  # 关闭文件# 文本预处理pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"')  # 定义正则表达式匹配模式string_data = re.sub(pattern, '', string_data)  # 将符合模式的字符去除# 文本分词seg_list_exact = jieba.cut(string_data, cut_all=False)  # 精确模式分词object_list = []remove_words = [u'的', u'，', u'和', u'是', u'随着', u'对于', u'对', u'等', u'能', u'都', u'。', u' ', u'、', u'中', u'在', u'了',u'通常', u'如果', u'我们', u'需要']  # 自定义去除词库for word in seg_list_exact:  # 循环读出每个分词if word not in remove_words:  # 如果不在去除词库中if len(word) > 2:  # 筛选关键词长度print(word, len(word))object_list.append(word)  # 分词追加到列表# 词频统计word_counts = collections.Counter(object_list)  # 对分词做词频统计word_counts_top = word_counts.most_common(200)  # 获取前200最高频的词for words in word_counts_top:data = [words[0], words[-1]]datalist.append(data)# 建立颜色数组，可更改颜色color_list = ['#0000FF', '#CC0033', '#333333']# 调用colormap = colors.ListedColormap(color_list)# 词频展示mask = np.array(Image.open('bj.jpg'))  # 定义词频背景wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/simhei.ttf',  # 设置字体格式mask=mask,  # 设置背景图max_words=200,  # 最多显示词数max_font_size=100,  # 字体最大值background_color='white',colormap=colormap,random_state=18)wc.generate_from_frequencies(word_counts)  # 从字典生成词云# image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案# wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案wc.to_file(f'datafile/{excelFilename}.jpg')plt.imshow(wc)  # 显示词云plt.axis('off')  # 关闭坐标轴plt.show()  # 显示图像def saveExcels():df = pd.DataFrame(datalist,columns=['词语','词频次数'])df.to_excel(f'datafile/{excelFilename}.xlsx')if __name__ == '__main__':wordFrequency()saveExcels()

如果对你有用，别忘记收藏至浏览器收藏夹。感谢阅读。