自学教程：Python统计词频并绘制图片(附完整代码)

def readText(text_file_path):    with open(text_file_path, encoding='gbk') as f: #        content = f.read()    return content

def getRecommondArticleKeyword(text_content,  key_word_need_num = 10, custom_words = [], stop_words =[], query_pattern = 'searchEngine'):    '''    :param text_content: 文本字符串    :param key_word_need_num: 需要的关键词数量    :param custom_words: 自定义关键词    :param stop_words: 不查询关键词    :param query_pattern:    precision:精确模式————试图将句子最精确地切开，适合文本分析；    entire：全模式————把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；    searchEngine:搜索引擎模式————在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词；    paddle模式————利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。    :return:    '''    # jieba.enable_paddle()    # paddle.fluid.install_check.run_check()    if not isinstance(text_content, str):        raise ValueError('文本字符串类型错误！')    if not isinstance(key_word_need_num, int):        raise ValueError('关键词个数类型错误！')    if not isinstance(custom_words, list):        raise ValueError('自定义关键词类型错误！')    if not isinstance(stop_words, list):        raise ValueError('屏蔽关键词类型错误！')    if not isinstance(query_pattern, str):        raise ValueError('查询模式类型错误！')    # 添加自定义关键词    for word in custom_words:        jieba.add_word(word)    if query_pattern == 'searchEngine':        key_words = jieba.cut_for_search(text_content)    elif query_pattern == 'entire':        key_words = jieba.cut(text_content, cut_all=True, use_paddle=True)    elif query_pattern == 'precision':        key_words = jieba.cut(text_content, cut_all=False, use_paddle=True)    else:        return []    # print("拆分后的词: %s" % " ".join(key_words))    # 过滤后的关键词    stop_words = set(stop_words)    word_count = Counter()    for word in key_words:        if len(word) > 1 and word not in stop_words:            word_count[word] += 1    # res_words = list()    # for data in word_count.most_common(key_word_need_num):    #     res_words.append(data[0])    # return res_words    return word_count

def drawWordsCloud(word_count, save_img_filePath='', img_mask_filePath=''):    # print(word_count)    # print(type(word_count))    if len(img_mask_filePath) != 0:        img_mask = np.array(Image.open(img_mask_filePath)) #打开遮罩图片,将图片转换为数组        wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 设置中文字体，词云默认字体是“DroidSansMono.ttf字体库”，不支持中文                                 background_color="white",  # 设置背景颜色                                 max_words=200,  # 设置最大显示的字数                                 max_font_size=50,  # 设置字体最大值                                 random_state=30,  # 设置有多少种随机生成状态，即有多少种配色方案                                 width=400,                                 height=200,                                 mask=img_mask                                 )    else:        wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 设置中文字体，词云默认字体是“DroidSansMono.ttf字体库”，不支持中文                                 background_color="white",  # 设置背景颜色                                 max_words=200,  # 设置最大显示的字数                                 max_font_size=50,  # 设置字体最大值                                 random_state=30,  # 设置有多少种随机生成状态，即有多少种配色方案                                 width=400,                                 height=200                                 )    # 绘图    wc.generate_from_frequencies(word_count)   #从字典生成词云    plt.imshow(wc)      #显示词云    plt.axis('off')     #关闭坐标轴    plt.show()          #显示图像    # 保存图片    if len(save_img_filePath) != 0:        wc.to_file(save_img_filePath)    else:        pass

#-*- coding : utf-8-*-import jiebafrom collections import Counterimport paddleimport wordcloud    #词云展示库import matplotlib.pyplot as plt     #图像展示库import timefrom PIL import Imageimport numpy as npdef timer(func):    def calculateTime(*args, **kwargs):        t = time.perf_counter()        result = func(*args, **kwargs)        print(f'func {func.__name__} coast time:{time.perf_counter() - t:.8f} s')        return result    return calculateTimedef readText(text_file_path):    with open(text_file_path, encoding='gbk') as f: #        content = f.read()    return content@timerdef getRecommondArticleKeyword(text_content,  key_word_need_num = 10, custom_words = [], stop_words =[], query_pattern = 'searchEngine'):    '''    :param text_content: 文本字符串    :param key_word_need_num: 需要的关键词数量    :param custom_words: 自定义关键词    :param stop_words: 不查询关键词    :param query_pattern:    precision:精确模式————试图将句子最精确地切开，适合文本分析；    entire：全模式————把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；    searchEngine:搜索引擎模式————在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词；    paddle模式————利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。    :return:    '''    # jieba.enable_paddle()    # paddle.fluid.install_check.run_check()    if not isinstance(text_content, str):        raise ValueError('文本字符串类型错误！')    if not isinstance(key_word_need_num, int):        raise ValueError('关键词个数类型错误！')    if not isinstance(custom_words, list):        raise ValueError('自定义关键词类型错误！')    if not isinstance(stop_words, list):        raise ValueError('屏蔽关键词类型错误！')    if not isinstance(query_pattern, str):        raise ValueError('查询模式类型错误！')    # 添加自定义关键词    for word in custom_words:        jieba.add_word(word)    if query_pattern == 'searchEngine':        key_words = jieba.cut_for_search(text_content)    elif query_pattern == 'entire':        key_words = jieba.cut(text_content, cut_all=True, use_paddle=True)    elif query_pattern == 'precision':        key_words = jieba.cut(text_content, cut_all=False, use_paddle=True)    else:        return []    # print("拆分后的词: %s" % " ".join(key_words))    # 过滤后的关键词    stop_words = set(stop_words)    word_count = Counter()    for word in key_words:        if len(word) > 1 and word not in stop_words:            word_count[word] += 1    # res_words = list()    # for data in word_count.most_common(key_word_need_num):    #     res_words.append(data[0])    # return res_words    return word_countdef drawWordsCloud(word_count, save_img_filePath='', img_mask_filePath=''):    # print(word_count)    # print(type(word_count))    if len(img_mask_filePath) != 0:        img_mask = np.array(Image.open(img_mask_filePath)) #打开遮罩图片,将图片转换为数组        wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 设置中文字体，词云默认字体是“DroidSansMono.ttf字体库”，不支持中文                                 background_color="white",  # 设置背景颜色                                 max_words=200,  # 设置最大显示的字数                                 max_font_size=50,  # 设置字体最大值                                 random_state=30,  # 设置有多少种随机生成状态，即有多少种配色方案                                 width=400,                                 height=200,                                 mask=img_mask                                 )    else:        wc = wordcloud.WordCloud(font_path='/Library/Fonts/Arial Unicode.ttf',# 设置中文字体，词云默认字体是“DroidSansMono.ttf字体库”，不支持中文                                 background_color="white",  # 设置背景颜色                                 max_words=200,  # 设置最大显示的字数                                 max_font_size=50,  # 设置字体最大值                                 random_state=30,  # 设置有多少种随机生成状态，即有多少种配色方案                                 width=400,                                 height=200                                 )    # 绘图    wc.generate_from_frequencies(word_count)   #从字典生成词云    plt.imshow(wc)      #显示词云    plt.axis('off')     #关闭坐标轴    plt.show()          #显示图像    # 保存图片    if len(save_img_filePath) != 0:        wc.to_file(save_img_filePath)    else:        passif __name__ == '__main__':    pass    # /Users/mac/Downloads/work/retailSoftware/公司项目/test.txt    text_file_path = "/Users/mac/Downloads/电子书/编程思想/相约星期二/相约星期二.txt"    # text_file_path = "/Users/mac/Downloads/work/retailSoftware/公司项目/test3.txt"    text_content = readText(text_file_path)    # print(text_content)    # print(JNI_API_getRecommondArticleKeyword(text_content))    img_mask_filePath = '/Users/mac/Desktop/截屏2021-08-20 下午4.02.10.png'    img_save_filePath = '/Users/mac/Downloads/test9.png'    drawWordsCloud(getRecommondArticleKeyword(text_content), img_save_filePath, img_mask_filePath)