使用词云进行中文分词后的可视化

词云是我们在文本挖掘过程中常用的一种可视化方法。对于中文来说，我们需要西安进行分词，再生成词云，以下先给出我用来生成词云的这段话：

在研发团队中，根据木桶原理，真正体现团队技术能力的人是团队中力量最弱的开发者。不怕神一样的对手，就怕猪一样的队友，说的就是如此。
但是，打造精英团队往往是个伪命题。对很多团队而言，薪酬，待遇，福利等诸多局限，使得我们很难与那些顶尖或准顶尖的公司竞争。我们往往是二三流的团队来完成一流的事情。但是，人才是可以培养的，团队也是可以转变的。
如何转变？除了前面谈到的ABC之外，就是团队的新陈代谢了。在战场上，一个战士的受伤往往意味着损失2～3个战斗力。在开发过程中，一个人挖的坑，恐怕两个人可以填干净就不错了。劝退有可能是一种对双方都好的结果。末位淘汰尽管有些残忍，但往往是对双方的负责。
引进高手的直接手段就是招聘了。当你向HR提招聘需求的时候，不要仅仅给出一个JD，应该有更清楚的目标画像，例如毕业于怎样的院校，最好在哪些公司工作等等。这样，HR的伙伴才能够有的放矢，甚至通过猎头完成定向招聘。
总之，研发管理要具备人才培养和人才引进的能力，一切的竞争，归根到底都是人的竞争。

我们对这段文字建立词云的代码如下：

# -*- coding: utf-8 -*-
"""
Created on Mon Jan 28 17:32:00 2019@author: chendile
"""import matplotlib.pyplot as plt
from wordcloud import WordCloud  #词云库
from PIL import Image
import numpy as np
import jieba  #用于中文分词的库font = "C:/Windows/Fonts/msjhbd.ttc"
abel_mask = np.array(Image.open("E:/笔记集合/text-mining/词云代码及图片/timg.jpg"))
text_from_file_with_apath = open('E:/笔记集合/text-mining/词云代码及图片/ciyun.txt','r',encoding='utf8').read()
print(text_from_file_with_apath)wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all = True)
wl_space_split = " ".join(wordlist_after_jieba)
print(wl_space_split)my_wordcloud = WordCloud(collocations=False, font_path=font, max_font_size=70,
max_words=1000, margin=5,background_color="pink", mask=abel_mask,colormap='hot').generate(wl_space_split)
#wordcloud里的参数设置是重中之重了，这个在wordcloud的官方文档上有很详细的解释
#color_func=lambda *args, **kwargs: "lightgreen",这个属性优先级比colormap要高，可把单词都设置为同色
#这个参数设置为0时，词的大小只和词频排序有关系，设置为1时，字体大小将是其词频的两倍，relative_scaling=1
#mask参数可以帮助词云附着在图片上
#colormap可以设置不同的词映射的颜色，wordcloud会为每个单词随机生成一个数字，根据colormap映射为颜色，然后显示，但这个不能根据词频大小来映射，colormap和matlab中的一致
print(my_wordcloud)plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()

下面是通过改变wordcloud的参数画出的几种不同的词云：
纯色词云：

colormap设置为hot的词云：

colormap设置为jet的词云：

colormap设置为spring的词云：

考虑词频数值而不仅考虑词频排序的词云：

几个重点：

1、最好是把txt文件存为utf-8格式，这样比较方便读取中文，并且注意在调用open函数时解码。你也可以存为ANSI格式，然后通过设置’rb’属性来以二进制格式读取，
但这样可能中文会显示为ANSI码，不能正确显示；
2、你可能能够正确读取中文，并且正确分词，但是wordcloud可能不能正确显示中文，因此图片中的中文都会显示为框框，没有文字。这是因为其默认字体是英文的，无法识别
中文，需要修改字体文件的路径，找到一个你比较喜欢的中文字体，找到它在你的系统中的路径，将font_path设置为这个路径，即可在图片中显示中文；
3、如果你想生成跟图片同样形状的词云，可以通过mask参数+PIL读取image实现，但是请注意你不想要的形状部分最好是白底或无背景，否则只要有一点颜色，词云就会
识别为可以填充词的区域，从而不能很好地显示出词云的形状；
4、将max_font_size稍微设置大一点，同时margin稍微设置得小一点，有助于词云的显示更接近image的轮廓。

#参考链接：
http://amueller.github.io/word_cloud/references.html;
https://blog.csdn.net/wireless_com/article/details/60571394;
https://zhidao.baidu.com/question/941678212532211692.html;
https://blog.csdn.net/qlj061001/article/details/78968273;

使用词云进行中文分词后的可视化相关推荐

中文分词后去除停用词
中文分词后去除停用词当我们利用jieba进行中文分词时,主要是句子中出现的词语都会被划分,而有些词语是没有实际意思的,对于后续的关键词提取就会加大工作量,并且可能提取的关键词是无效的.所以在分词 ...
Java实现敏感词过滤 - IKAnalyzer中文分词工具
IKAnalyzer 是一个开源的,基于java语言开发的轻量级的中文分词工具包. 官网: https://code.google.com/archive/p/ik-analyzer/ 本用例借助 I ...
Python词云#疫情退去后，你最想做什么
"等疫情过去,等我回家,抱抱爸妈,拉着他们去河边散步,听他们唠叨,再也不还嘴.我爱你们,希望你们知道." "去公园跑步高呼,太憋了,人都要发霉了." " ...
python中文词云图代码_python词云图与中文分词
2019-12-12中文文本分词和词云图具体功能介绍与学习代码: import jieba a="由于中文文本的单词不是通过空格或者标点符号来进行分割" #jieba.lcut() ...
基于python的词云生成-中文词云（指定词云形状）
基于python的词云生成(二) 1.简介本文是在基于python的词云生成(一)的基础上,进一步对云词进行编写,本文还使用了jieba分词对中文进行分词处理,以做出更好的效果. jie ...
go基于阿里云实现中文分词
API介绍由于阿里云服务SDK方式调用只提供了JAVA和Python,用go就只能使用普通HTTP请求调用阿里云NLP基础服务 API概览获取AccessKey 中文分词(基础版)API 公共参 ...
html生成word附带图片_生成词云的几种方式对比
在数据可视化方面,词云一直是一种视觉冲击力很强的方式.对输入的一段文字进行语义分割,得到不同频度的词汇,然后以正比于词频的字体大小无规则的集中显示高频词,简洁直观高效. 词云虽好,但也要易做才行.本文 ...
词云库学习--python习题
下载后打开命令行,使用cd命令切换到该文件的路径,执行pip install wordcloud 目录 1号词云:葛底斯堡演说黑色背景词云(文字部分:and that government of th ...
词云可视化：四行Python代码轻松上手到精通
词云可视化:四行Python代码轻松上手到精通文章目录词云可视化:四行Python代码轻松上手到精通本课概要关于本课程 `粉丝答疑交流QQ群:953712961` `微信赞赏码` 不需要写代码 ...

使用词云进行中文分词后的可视化

几个重点：

使用词云进行中文分词后的可视化相关推荐

最新文章

热门文章