目录
一、介绍
二、代码展示
三、结果展示
四、总结
五、文本可视化的意义
一、介绍
文本是语言和沟通的载体，文本的含义以及读者对文本的理解需求均纷繁复 杂。例如，对于同一个文本，不同的人的解读也是不一样的，有的人希望了解文本 中涉及到的事物，而有的人希望得到文本中的关键词。鉴于对文本信息需求的多样 性，需要从不同层级提取与呈现文本信息。一般把对文本的理解需求分成三级：词汇级（Lexical Level）、语法级（Syntactic Level）和语义级（Semantic Level）。 不同级的信息挖掘方法也不同，词汇级当然是用各类分词算法，语法级用一些句法 分析算法，语义级用主题抽取算法。文本文档的类别多种多样，包括单文本、文档 集合和时序文本数据三大类，这使得文本信息的需求更为丰富。本博客介绍如何利用Python工具对文本数据进行可视化，也就是我们生活中经常看到的词云图。
二、代码展示
# 导入相应的库import jiebafrom wordcloud import WordCloudimport matplotlib.pyplot as pltimport PILimport numpy as np# 导入文本数据并进行简单的文本处理# 去掉换行符和空格以及标点符号text = open("虎年贺词.txt",encoding='utf8').read()text = text.replace('\n',"").replace("，","").replace("。","").replace("、","").replace("；","").replace("！","").replace("：","")# 分词，返回结果为词的列表text_cut = jieba.lcut(text)#停用词库stop_words = open("Stop Words.txt",encoding="utf8").read().split("\n")# 将分好的词用某个符号分割开连成字符串text_cut = ' '.join(text_cut)#print(text_cut)#词云形状image1 = PIL.Image.open('background.png')MASK = np.array(image1)#绘制词云word_cloud = WordCloud(font_path="simsun.ttc", background_color="white", mask=MASK,# 指定词云的形状stopwords=stop_words)word_cloud.generate(text_cut)# 运用matplotlib展现结果plt.subplots(figsize=(12,8))plt.imshow(word_cloud)plt.axis("off")plt.show()
相关文件：
1、虎年贺词.txt
2、Stop Words.txt，该文件能帮助我们过滤掉“啊”、“呀”之类不需要提取出来的词
3、background.png，背景参数可有可无，有背景看起来美观一些
三、结果展示
四、总结
具体过程分如下三部分：
1.读入 txt 文本数据
2. jieba(结巴)中文分词，生成字符串，默认精确模式，如果不通过分词，无法直接生成 正确的中文词云
3.生成词云图，需要注意的是 WordCloud 默认不支持中文，所以这里需已下载好 的中文字库
五、文本可视化的意义
文本可视化的作用有以下四点： 简单来说就是让你更加直观迅速的获取、分析信息（所有可视化的作用都是这个）。 举个例子，针对一篇文章，文本可视化能更快的告诉我们文章在讲什么；针对社交网络上的发言，文本可视化可以帮我们信息归类，情感分析；针对一个大新闻，文本可视化可以帮我们捋顺事情发展的脉络、每个人物的关系等等；针对一系列的文档，我们可以通过文本可视化来找到它们之间的联系等等。 一般来说，情报分析人员、网络内容分析人员、情感分析或文学研究者等相关职业更需要文本可视化。
