Python 使用tf-idf算法计算文档关键字权重并生成词云的方法

 更新时间:2023年03月16日 10:11:52   作者:虚坏叔叔  
这篇文章主要介绍了Python 使用tf-idf算法计算文档关键字权重,并生成词云,本文通过实例代码给大家介绍的非常想详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

Python 使用tf-idf算法计算文档关键字权重,并生成词云

1. 根据tf-idf计算一个文档的关键词或者短语:

代码如下:

注意需要安装pip install sklean

from re import split
from jieba.posseg import dt
from sklearn.feature_extraction.text import TfidfVectorizer
from collections import Counter
from time import time
import jieba


#pip install sklean


FLAGS = set('a an b f i j l n nr nrfg nrt ns nt nz s t v vi vn z eng'.split())

def cut(text):
    for sentence in split('[^a-zA-Z0-9\u4e00-\u9fa5]+', text.strip()):
        for w in dt.cut(sentence):
            if len(w.word) > 2 and w.flag in FLAGS:
                yield w.word

class TFIDF:
    def __init__(self, idf):
        self.idf = idf

    @classmethod
    def train(cls, texts):
        model = TfidfVectorizer(tokenizer=cut)
        model.fit(texts)
        idf = {w: model.idf_[i] for w, i in model.vocabulary_.items()}
        return cls(idf)

    def get_idf(self, word):
        return self.idf.get(word, max(self.idf.values()))

    def extract(self, text, top_n=10):
        counter = Counter()
        for w in cut(text):
            counter[w] += self.get_idf(w)
        #return [i[0:2] for i in counter.most_common(top_n)]
        return [i[0] for i in counter.most_common(top_n)]


if __name__ == '__main__':
    t0 = time()
    with open('./nlp-homework.txt', encoding='utf-8')as f:
        _texts = f.read().strip().split('\n')
        # print(_texts)
    tfidf = TFIDF.train(_texts)
    # print(_texts)
    for _text in _texts:
        seq_list=jieba.cut(_text,cut_all=True)  #全模式
        # seq_list=jieba.cut(_text,cut_all=False)  #精确模式
        # seq_list=jieba.cut_for_search(_text,)    #搜索引擎模式
        # print(list(seq_list))
        print(tfidf.extract(_text))
        with open('./resultciyun.txt','a+', encoding='utf-8') as g:
            for i in tfidf.extract(_text):
                g.write(str(i) + " ")
    print(time() - t0)

2. 生成词云:

代码如下:

  • 注意需要安装pip install wordcloud
  • 以及为了保证中文字体正常显示,需要下载SimSun.ttf字体,并且将这个字体包也放在和程序相同的目录下;
from wordcloud import WordCloud
filename = "resultciyun.txt"
with open(filename) as f:
 resultciyun = f.read()

wordcloud = WordCloud(font_path="simsun.ttf").generate(resultciyun)
# %pylab inline
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

3 最后词云的图片

总结

最后的最后
由本人水平所限,难免有错误以及不足之处, 屏幕前的靓仔靓女们 如有发现,恳请指出!

到此这篇关于Python 使用tf-idf算法计算文档关键字权重,并生成词云的文章就介绍到这了,更多相关Python tf-idf算法关键字权重并生成词云内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python GUI编程实现扫雷游戏

    python GUI编程实现扫雷游戏

    这篇文章主要为大家详细介绍了python GUI编程实现扫雷游戏,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-06-06
  • python实现将Excel文件转换为JSON文件

    python实现将Excel文件转换为JSON文件

    在数据处理和分析中,Excel和JSON是两种常见的数据格式,本文将详细介绍如何使用Python将Excel文件转换为JSON文件,我们将使用pandas库,这是一个强大的数据分析工具,能够方便地读取和处理各种数据格式,需要的朋友可以参考下
    2024-07-07
  • Python从入门到精通之类的使用详解

    Python从入门到精通之类的使用详解

    Python是一种功能强大且广泛使用的编程语言,它支持面向对象编程(OOP),本文将介绍Python中类的使用,包括类的创建、属性和方法的定义、继承和多态等关键技术点,希望对大家有所帮助
    2023-07-07
  • python控制nao机器人身体动作实例详解

    python控制nao机器人身体动作实例详解

    这篇文章主要为大家详细介绍了python控制nao机器人身体动作实例,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-04-04
  • 十分钟利用Python制作属于你自己的个性logo

    十分钟利用Python制作属于你自己的个性logo

    这篇文章主要给大家介绍了关于十分钟如何利用Python制作属于你自己的个性logo的相关资料,主要利用的是词云实现这个效果,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友下面来一起看看吧
    2018-05-05
  • Python操作CouchDB数据库简单示例

    Python操作CouchDB数据库简单示例

    这篇文章主要介绍了Python操作CouchDB数据库简单示例,本文讲解了连接服务器、创建数据库、创建文档并插入到数据库等操作实例,需要的朋友可以参考下
    2015-03-03
  • python简单爬虫--get方式详解

    python简单爬虫--get方式详解

    本篇文章介绍了python爬虫中get和post方法介绍以及cookie作用,对此有兴趣的朋友学习下,希望能够给你带来帮助
    2021-09-09
  • numpy 声明空数组详解

    numpy 声明空数组详解

    今天小编就为大家分享一篇numpy 声明空数组详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-12-12
  • linux下安装easy_install的方法

    linux下安装easy_install的方法

    python中的easy_install工具,类似于Php中的pear,或者Ruby中的gem,或者Perl中的cpan,那是相当的爽歪歪了如果想使用
    2013-02-02
  • 一文带你搞懂Python中的pyc文件

    一文带你搞懂Python中的pyc文件

    Python是一门解释性语言,没有严格意义上的编译和汇编过程。Pyc文件是py编译过程中产生的字节码文件,可以由虚拟机直接执行,是python将目标源码编译成字节码以后在磁盘上的文件形式。本文就来聊聊pyc文件的写入等只是,感兴趣的可以了解一下
    2022-12-12

最新评论