【小白的实战】Python实用功能——分分钟就学会的词云图(中)

简介: 上期我们明确了实战目标,选择并安装完了IDE,认识了开发工具,最后下载了制作词云图所必要的依赖

image.png上期我们明确了实战目标,选择并安装完了IDE,认识了开发工具,最后下载了制作词云图所必要的依赖。(这里附上上期传送门,有需要的小伙伴们可以自行前往:【小白的实战】Python实用功能——分分钟就学会的词云图(上)

当然,有基础的朋友自然可以直接看这篇文章来了解wordcloud这个宝藏第三方库。

因为本期我们就开始直接上手wordcloud来制作词云图了。


实战开始


一、选择制作词云的目标文件


正所谓没有目标的生活如同没有罗盘的航行,没有需求地打代码如同占着厕所不……(为了过审此处和谐)。

你做词云图,你得先知道自己为啥要做,对什么文本作图吧?

我在上篇写过,词云图可以用在论文&作业&掘金文章里。因为他本质是一个表现字符串出现频率的“图表”,直观、美观、可近观可远观。

根据这个特点,我们思索一下:

我们现在做词云的目的是什么呢?

是为了和大家一起认识这个第三方库,为了实战提升代码水平。

对什么文本作图呢?

考虑到词云的作用就是词频统计,正巧我突发奇想想了解一下爆火全球的《哈利波特》到底啥词用得最多。不如我们英文版的词云就用哈利波特来做吧~

中文的词云图呢?也必须安排啊。正巧最近某视频网站爆火的某国漫是同名小说改编的,我们用它试试


二、寻找资源


按照常理说,这里是技术博客博客平台,应该是教大家学技术的,一般到这里就是直接上代码啥的了。

但我是谁啊?§( ̄▽ ̄)§

我可是没啥技术的小白在校生,既然教不了各位大佬什么技术,那也得拿出点诚意吧?我的诚意就是足够实战。找资源也是完成任务中重要的一环啊~

找资源第一步:搜索引擎

绝大多数的资源其实网上都能直接搜到,因为许多大佬都是我们的无私奉献者啊(不是)。我们在微软windos自带的bing搜索引擎里键入我们想要的哈利波特英文原版txt

image.png

这不,接近一亿的数据就找到了嘛。接下来就要在许多广告当中筛选出能下载能用且无毒无公害的良心资源了

找资源第二步:筛选数据

当然不是让你用啥高端的方法,直接肉眼大法就好了。小技巧:名字里带有啥云资源云盘的,点进去是正经资源的概率大一些,具体啥网盘就不说了,这里不推荐了,要我推荐就是咱掘金的最好。

找资源额外步:破财消灾

其实我到上面第二步就找到了,是网盘资源,保存后下载就行。

但你要是说你就是找不到呢

没事,某宝十几块可以买到几万本电子书,一劳永逸,从此在家开图书馆(不是)


三、导入文件


1、打开我们的jupyter notebook,点开我们上次已经创好的ipynb后缀名的wordcloud项目


image.png

image.png

pip install的记录还历历在目,没安装的朋友可以照着安装。第一次尝试建议直接打pip install wordcloud


2、import引入装好的依赖


image.png

没有回答就是import成了


3、找到我们刚刚下载下来的文件,右键单击、点击属性,然后把“位置”复制一下。这就是文件路径

image.png

image.png

4、用python的文件导入方法读取文件

w=open("C:\Users\asus\Downloads\哈利波特英文版全集.txt","r")
txt=w.read()
w.close()
复制代码

别忘了复制完的路径没有该文件的名字,记得在末尾加上。当然也别忘了close文件。

image.png

果然,运行出错了。这就是每天第一串代码必错定律吗?

观察报错文本,虽然不能完全看懂,但是我们可以解读出:2-3的位置,有\U 什么的出错

不是读取文件语法错误,不是系统错误,问题出在\U 这里……难道它把这个\当作\n这样转义符了?

我们在路径前面加一个r,取消后面字符串的转义符意义。试试能不能正常读取。

image.png

运行正常。好吧看来jupyter是这样的(我印象中有些工具不用加这个r的说?)


5、设置wordcloud对象参数


我们创建一个wordcloud对象,用wordcloud函数设置一些你想要的词云图参数。如字体我们选择微软雅黑font_path=msyh.ttc,宽高随便设置一下,背景白色


image.png

image.png

image.png

好家伙,又报错了。typeerror,说这个wordcloud module不能call?可我这是函数呀?

搜索一番发现,函数需要WordCloud大写……说明python中字母的大小写是区分的,调用函数方法等要注意大小写。

image.png

修改后顺利运行


6、用generate把文本传入wordcloud对象


把刚刚保存的文件读取数据传入。

image.png

这步总算没有问题


7、用to_file生成词云图并保存文件

image.png

文件路径可以自行设置,你可以直接复制上面读取文件的路径,把图保存到同一个文件夹。记得在最后给文件取名字。这里就叫做哈利波特词云了,后缀.png别忘了。


8、欣赏战果,调试成你喜欢的样子


我把图保存到桌面了。去桌面一看,果然有一个新图片躺着了( ̄y▽, ̄)╭

image.png

点开一看,不戳不戳

image.png

果然出现最多的是Harry、Ron之类的人名,虽然很鸡肋,但是至少说明我们做的词云是对的


四、结束总结


我们英文的词云就算做完了。虽然过程很简单,但显然结果不是令人满意的。

我们自己打代码做词云图是为了啥?

如果不能调整参数、不能自定义形状,那根本没必要自己花这个精力,做一个没用的东西。

但事实上,wordcloud完全可以支持高度自定义,形状、词频、数量……

wordcloud进阶操作我们将放到下一篇进行逐步实战。相信我,人人都能学会,分分钟搞定,不是吹

祝大家代码润起来一切顺利~

相关文章
|
6天前
|
存储 前端开发 机器人
Python网络数据抓取(6):Scrapy 实战
Python网络数据抓取(6):Scrapy 实战
24 2
|
3天前
|
网络协议 Python
Python 网络编程实战:构建高效的网络应用
【5月更文挑战第18天】Python在数字化时代成为构建网络应用的热门语言,因其简洁的语法和强大功能。本文介绍了网络编程基础知识,包括TCP和UDP套接字,强调异步编程、数据压缩和连接池的关键作用。提供了一个简单的TCP服务器和客户端代码示例,并提及优化与改进方向,鼓励读者通过实践提升网络应用性能。
20 6
|
3天前
|
算法 Java Python
【Python 的内存管理机制专栏】Python 内存管理实战:性能优化与内存泄漏检测
【5月更文挑战第18天】Python内存管理关乎程序性能与稳定性。优化包括避免过多临时对象,如优化列表推导式减少对象创建。警惕循环引用造成的内存泄漏,如示例中的Node类。使用`gc`模块检测泄漏,通过`gc.set_debug(gc.DEBUG_LEAK)`和`gc.collect()`获取信息。实践中需持续分析内存使用,优化算法、数据结构和资源释放,以提升程序质量与效率。
【Python 的内存管理机制专栏】Python 内存管理实战:性能优化与内存泄漏检测
|
6天前
|
存储 缓存 监控
利用Python和Flask构建RESTful API的实战指南
在当今的软件开发中,RESTful API已成为前后端分离架构中的核心组件。本文将带你走进实战,通过Python的Flask框架,一步步构建出高效、安全的RESTful API。我们将从项目初始化、路由设置、数据验证、错误处理到API文档生成,全方位地探讨如何构建RESTful API,并给出一些实用的最佳实践和优化建议。
|
6天前
|
Python
Python自动化办公实战案例:文件整理与邮件发送
Python自动化办公实战案例:文件整理与邮件发送
12 0
|
6天前
|
存储 人工智能 测试技术
python自动化测试实战 —— CSDN的Web页面自动化测试
python自动化测试实战 —— CSDN的Web页面自动化测试
197 0
|
6天前
|
Web App开发 设计模式 测试技术
python自动化测试实战 —— 自动化测试框架的实例
python自动化测试实战 —— 自动化测试框架的实例
18 0
|
Python
使用python实现一个文件搜索功能,类似于Everything功能
一般人日常总是会将一些片段信息记录到文件中,放到电脑硬盘上。等过段时间,可能就不知道放到哪里了,电脑上文件夹太多。 找文件一般都会借助于搜索软件,比如Everything软件就很强大,输入名称,就能全局查找文件;
398 0
|
Linux Python
【Python】300行代码实现crontab定时器功能 【上】
熟悉Linux的都知道在Linux下有一个crontab的定时任务,可以很方便的进行各种定时、计划任务的执行。有时候写代码也需要用到定时器业务,因此我使用Python实现了一个类似的定时器模块,可以很方便的做定时业务,使用例子如下:
380 0
【Python】300行代码实现crontab定时器功能 【上】
一行Python可以实现的功能
手头有 109 张头部 CT 的断层扫描图片,我打算用这些图片尝试头部的三维重建。基础工作之一,就是要把这些图片数据读出来,组织成一个三维的数据结构(实际上是四维的,因为每个像素有 RGBA 四个通道)。