python3.6 基于Pycharm实现中文分词、去停用词、词云可视化
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python3.6 基于Pycharm实现中文分词、去停用词、词云可视化，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3065字，纯文字阅读大概需要5分钟。
内容图文
python3.6 基于Pycharm实现中文分词、去停用词、词云可视化
可视化词云的时候遇到了中文不显示的问题，解决方法代码中有标注。
import glob
import random
import jieba
import matplotlib.pyplot as plt
from wordcloud import WordCloud
# 数据读取
def get_content(path):
with open(path, 'r', encoding='utf8', errors='ignore') as f:
content = ''
for line in f:
# 去掉每句话开头和结尾的空格
line = line.strip()
content += line
return content
# 定义一个高频词函数
def get_if(words, top=10):
tf_dic = {}
for w in words:
# 遍历words中的每一个词切片，以词为键，出现的次数为值存储在字典中
tf_dic[w] = tf_dic.get(w, 0) + 1
return sorted(tf_dic.items(), key=lambda x: x[1], reverse=True)[:top]
def stop_words(path):
with open(path, 'r', encoding='utf-8', errors='ignore') as f:
print(line.strip() for line in f)
return [line.strip() for line in f]
if __name__ == '__main__':
# 获取txt文件
files = glob.glob('./chinese_english')
# 读取所有文件的内容存在corpus的列表中
corpus = [get_content(x) for x in files]
# 获取一个0到corpus长度的整数随机数
sample_inx = random.randint(0, len(corpus))
# 使用jieba精确模式分词，
split_words = list(jieba.cut(corpus[sample_inx]))
# stop_words('./stop_words.txt')
split_words = [x for x in jieba.cut(corpus[sample_inx]) if x not in stop_words('./stop_words.txt')]
# 打印随机选取的样本
print('样本之一： ' + corpus[sample_inx])
# 打印随机选取的样本的分词情况
print("\n----------------------->开始分词")
# print('样本分词结果： ' + ' '.join(split_words))
for word in split_words:
print('样本分词结果： ' + word)
# 统计显示高频词
print("\n---------------------------------->统计分词结果")
# print('样本的top(10)词为： ' + str(get_if(split_words)))
for i in get_if(split_words):
print('样本的top(10)词为： ' + str(i))
word_cloud = " ".join(split_words)
my_wordcloud = WordCloud(font_path='simfang.ttf', collocations=False).generate(word_cloud)
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()
部分输出结果如下
样本分词结果： 新鲜 样本分词结果： 烤面包 样本分词结果： 味道 样本分词结果： 某 样本分词结果： 一座 样本分词结果： 房里 样本分词结果： 飘 样本分词结果： 出来 样本分词结果： 也许 样本分词结果： 是 样本分词结果： 微风 样本分词结果： 轻拂 样本分词结果： 树叶 样本分词结果： 声音 样本分词结果： 或者 样本分词结果： 是 样本分词结果： 晨光 样本分词结果： 照射 样本分词结果： 轻轻 样本分词结果： 飘落 样本分词结果： 秋叶 样本分词结果： 上 样本分词结果： 方式 样本分词结果： 请 样本分词结果： 你们 样本分词结果： 寻找 样本分词结果： 东西 样本分词结果： 并且 样本分词结果： 记住 样本分词结果： 它们 样本分词结果： 吧
------------------------------>统计分词结果
样本的top(20)词为： ('class', 3)
样本的top(20)词为： ('一个', 3)
样本的top(20)词为： ('一些', 3)
样本的top(20)词为： ('放学', 3)
样本的top(20)词为： ('东西', 3)
样本的top(20)词为： ('I', 3)
样本的top(20)词为： ('you', 3)
样本的top(20)词为： ('你们', 3)
样本的top(20)词为： ('人', 3)
样本的top(20)词为： ('它', 3)
样本的top(20)词为： ('也许', 3)
样本的top(20)词为： ('way', 3)
样本的top(20)词为： ('or', 3)
样本的top(20)词为： ('it', 3)
样本的top(20)词为： ('very', 2)
样本的top(20)词为： ('school', 2)
样本的top(20)词为： ('with', 2)
样本的top(20)词为： ('when', 2)
样本的top(20)词为： ('over', 2)
样本的top(20)词为： ('things', 2)
词云
内容总结
以上是互联网集市为您收集整理的python3.6 基于Pycharm实现中文分词、去停用词、词云可视化全部内容，希望文章能够帮你解决python3.6 基于Pycharm实现中文分词、去停用词、词云可视化所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。