public static void main(String[] args) {
10年积累的网站制作、做网站经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站制作后付款的网站建设流程，更有横县免费网站建设让你可以放心的选择与我们合作。
// 创建一个长度为10的数组
int[] is = { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 };
// 打印
print(is);
// 设定从命令行读入数据
Scanner scanner = new Scanner(System.in);
// 一直等待输入直到主动中职
while (scanner.hasNext()) {
int input = scanner.nextInt();
is = remove(is, input);
print(is);
}
}
/**
* 从数组中找出这个数并干掉，然后返回新的数组
*
* @param is
* @param input
*/
private static int[] remove(int[] is, int input) {
// 因为返回数组长度未知，所以使用动态数组
ArrayListInteger list = new ArrayListInteger();
for (int index = 0; index is.length; index++) {
if (is[index] != input)
list.add(is[index]);
}
// 复制到并返回
int[] is_return = new int[list.size()];
for (int index = 0; index list.size(); index++) {
is_return[index] = list.get(index).intValue();
}
return is_return;
}
/**
* 为便于调试，打印每次变动后的数组
*
* @param is
*/
private static void print(int[] is) {
System.out.println("print array");
for (int i : is) {
System.out.print(i + " ");
}
System.out.println("\r\nprint array end");
}
0无帮助
期末复习比较忙过段时间来专门写scrapy框架使用，今天介绍如何用python生成词云，虽然网上有很多词云生成工具，不过自己用python来写是不是更有成就感。
今天要生成的是励志歌曲的词云，百度文库里面找了20来首，如《倔强》，海阔天空是，什么的大家熟悉的。
所要用到的python库有 jieba（一个中文分词库）、wordcould 、matplotlib、PIL、numpy。
首先我们要做的是读取歌词。我将歌词存在了文件目录下励志歌曲文本中。
现在来读取他
12345
#encoding=gbklyric= ''f=open('./励志歌曲歌词.txt','r')for i in f: lyric+=f.read()
加入#encoding=gbk是为了防止后面操作报错SyntaxError: Non-UTF-8 code starting with '\xc0'
然后我们用jieba分词来对歌曲做分词提取出词频高的词
123456
import jieba.analyseresult=jieba.analyse.textrank(lyric,topK=50,withWeight=True)keywords = dict()for i in result: keywords[i[0]]=i[1]print(keywords)
得到结果：
然后我们就可以通过wrodcloud等库来生成词云了
首先先自己找一张图片来作为生成词云的形状的图
12345678910111213
from PIL import Image,ImageSequenceimport numpy as npimport matplotlib.pyplot as pltfrom wordcloud import WordCloud,ImageColorGeneratorimage= Image.open('./tim.jpg')graph = np.array(image)wc = WordCloud(font_path='./fonts/simhei.ttf',background_color='White',max_words=50,mask=graph)wc.generate_from_frequencies(keywords)image_color = ImageColorGenerator(graph)plt.imshow(wc)plt.imshow(wc.recolor(color_func=image_color))plt.axis("off")plt.show()
保存生成图片
1
wc.to_file('dream.png')
完整代码：
1234567891011121314151617181920212223242526272829
#encoding=gbkimport jieba.analysefrom PIL import Image,ImageSequenceimport numpy as npimport matplotlib.pyplot as pltfrom wordcloud import WordCloud,ImageColorGeneratorlyric= ''f=open('./励志歌曲歌词.txt','r')for i in f: lyric+=f.read() result=jieba.analyse.textrank(lyric,topK=50,withWeight=True)keywords = dict()for i in result: keywords[i[0]]=i[1]print(keywords) image= Image.open('./tim.jpg')graph = np.array(image)wc = WordCloud(font_path='./fonts/simhei.ttf',background_color='White',max_words=50,mask=graph)wc.generate_from_frequencies(keywords)image_color = ImageColorGenerator(graph)plt.imshow(wc)plt.imshow(wc.recolor(color_func=image_color))plt.axis("off")plt.show()wc.to_file('dream.png')
以上这篇python生成词云的实现方法(推荐)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
云图中的每个字的大小与出现的频率或次数成正比，词云图的统计意义不是特别大，主要是为了美观，用于博客和网站比较常见。
导入数据
library(tm)
library(wordcloud)
Text1-paste(scan("Text1.txt",what=character(0),sep=""),collapse="")
Text2-paste(scan("Text2.txt",what=character(0),sep=""),collapse="")
TEXT-data.frame(c(Text1,Text2),row.names=c("Text1","Text2"))
TEXT_title-data.frame(doc_id=row.names(TEXT),text=TEXT$c.Text1..Text2.
复制
)#这里的doc_id不可替换成别的词
创建数据框格式的文本
#创建数据框格式的文本，第一列是doc_id,第二列是文章内容
TEXT_ds-DataframeSource(TEXT_title)
复制
构建语料库
Corpus-VCorpus(TEXT_ds)
复制
针对语料库文本转换
思路：删除语料库中的标点符号，字母转换为小写，删除数字，删除空白字符，过滤掉停止词库之后转换为纯文本。
Corpus-tm_map(Corpus,removePunctuation)#删除标点符号
Corpus-tm_map(Corpus,tolower)#转换为小写
Corpus-tm_map(Corpus,removeNumbers)#删除数字
Corpus - tm_map(Corpus,stripWhitespace)#删除空白字符
Corpus - tm_map(Corpus,function(x){removeWords(x,stopwords())})
Corpus - tm_map(Corpus,PlainTextDocument)#转换为纯文本
复制
针对语料库断字处理，生成词频权重矩阵
Term_matrix-TermDocumentMatrix(Corpus)
Term_matrix
TermDocumentMatrix (terms: 2462, documents: 2)
Non-/sparse entries: 3215/1709
Sparsity : 35%
Maximal term length: 16
Weighting : term frequency (tf)
复制
查看Term_matrix得知2篇文章共2456个字，稀疏度为35%，最大词长度是16。
#计算频率
Term_matrix-as.matrix(Term_matrix)
复制
#对词频权重矩阵的表头进行命名
colnames(Term_matrix)-c("Text1","Text2")
复制
#把矩阵转为便于后续统计分析的数据框
Data-data.frame(Term_matrix)
复制
#导出两篇文章的频率分析结果，文件名为Term_matrix
write.csv(Data,'Term_matrix.csv')
复制
读取文件
read.csv('Term_matrix.csv',header=TRUE,row.names=1)
复制
#分开绘制两篇文章的词云
wordcloud(row.names(Data),Data$Text1,min.freq=9.5,col=brewer.pal(8,"Dark2"),rot.per=0.3)
复制
wordcloud(row.names(Data),Data$Text2,min.freq=9.5,col=brewer.pal(8,"Dark2"),rot.per=0.2)
复制
#两篇文章对比
comparison.cloud(Data,max.words=250,random.order=FALSE,colors=c("#00B2FF","#084081"))
复制
#通过设置max.word的大小决定显示图中文本的多少。
两篇文章共有词部分
commonality.cloud(Data,max.words=120,random.order=FALSE,colors="#66A61E")
复制
绘制星形图
将Data数据计算频率Freq=n/sum(n)，根据频率绘制星形图。
wordcloud2(Data1,size=0.4,shape='star')
复制
本文参与 腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！
本文章分享自微信公众号
菜鸟学数据分析之R语言
作者：刘晓雪
原始发表时间：2020-07-25
如有侵权，请联系 cloudcommunity@tencent点抗 删除。
展开阅读全文
腾讯云图
文章来自专栏
菜鸟学数据分析之R语言
77 篇文章22 人关注
订阅
评论 (0)
写评论
暂无人发表评论
相关文章
Python数据可视化 词云图 绘制词云的方法总结
pyecharts是基于echarts的python库，能够绘制多种交互式图表，和其他可视化库不一样，pyecharts支持链式调用。
（数据科学学习手札71）在Python中制作个性化词云图
词云图是文本挖掘中用来表征词频的数据可视化图像，通过它可以很直观地展现文本数据中地高频词：
【数据挖掘 | 可视化】 WordCloud 词云（附详细代码案例)
在七夕节中，博主写了一篇为女友收集QQ聊天记录做可视化词云的文章获得广泛好评，一直有小伙伴希望能出一篇教程，今天他来啦！ 一文带你速通词云?♂️
R-wordcloud: 词云图
好几位读者来信说，《R语言数据可视化之美》(增强版)的词云图的代码有问题，我今天更新了一轮，这主要原因在R语言及其包的更新，导致源代码有可能运行错误。R语言的优...
WordCloud词云库快速入门（一)
wordcloud是优秀的词云展示第三方库，以词语为基本单位，通过图形可视化的方式，更加直观和艺术的展示文本。
Day10.如何给⽑不易的歌曲做词云展示
我们经常需要对分析的数据提取常⽤词，做词云展示。⽐如⼀些互联⽹公司会抓取⽤户的画像，或者每⽇讨论话题的关键词，形成词云并进⾏展示。
词云绘制，推荐三种 Python包外加一个在线网站！
本篇文章先介绍几种制作词云的 Python 库，分别是 WordCloud、StyleCloud、Pyecharts；再加一个在线词云制作网站；最后通过代码实操...
关于词云可视化笔记一（wordcloud和英文词汇可视化）
一直比较关注数据可视化这块，对于分词和词的可视化却始终不明就里，直到看到词云，当时惊为天人，不过词云的制作还是非常麻烦，直到2017年Python走近我的视野中...
词云图，看过没做过？快来，教你秘籍
今天我们来说一说可视化的问题，如果这个时候我们要对频数进行可视化的话，我们首先想到的应该是一个什么样子的图形呢？很多人可能会说是柱状图。还有一些科研喵们，看过我...
使用pyecharts绘制词云图-淘宝商品评论展示
词云图是一种用来展现高频关键词的可视化表达，通过文字、色彩、图形的搭配，产生有冲击力地视觉效果，而且能够传达有价值的信息。
WordCloud 中英文词云图绘制，看这一篇就够了
摘要： 当我们手中有一篇文档，比如书籍、小说、电影剧本，若想快速了解其主要内容是什么，则可以采用绘制 WordCloud 词云图，显示主要的关键词（高频词）这种...
Python带你看不一样的《青春有你2》小姐姐之评论内容可视化
详细介绍和用法可以去github看：，这里不多做介绍，只介绍本次用到的
NLP快速入门：手把手教你用wordcloud做词云
导读：在上一章节介绍在Python环境下调用HanLP包进行分词的基础上，本文将介绍如何使用wordcloud绘制词云。尽管目前市面上已经有很多成熟的在线交互词...
WordCloud 中英文词云图绘制，看这一篇就够了
摘要： 当我们手中有一篇文档，比如书籍、小说、电影剧本，若想快速了解其主要内容是什么，则可以采用绘制 WordCloud 词云图，显示主要的关键词（高频词）这种...
一起用Python来看看川普今年在推特上都发了些什么
川普作为一个推特狂人，上台以来一共发了一万多条推特，本文爬取了川普在2020年的全部推特内容并将其绘制成了词云图。
词云图wordcloud学习笔记
词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。
excel也那绘制词云图哦！还有很多的可视化图表可挑选！
excel是老牌的数据可视化软件了，很多方面都已经很完美了，很多的图表都可以轻松绘制出来，但如果想要做的好看，就需要一些技巧了。
更多文章
社区活动
腾讯云自媒体分享计划
入驻社区，可分享总价值百万资源包
邀请好友加入自媒体分享计划
邀请好友，同享奖励 30 / 100 / 180 元云服务器代金券
长按识别或截图保存
关注腾讯云开发者
Copyright © 2013-2022
Tencent Cloud. All Rights Reserved.
腾讯云 版权所有
点赞
3
评论
转
stylecloud 是一个 Python 包，它基于流行的 word_cloud 包，并添加了一些有用的功能，从而创建出独特的词云。stylecloud 具备以下特点：
为词云提供（任意大小）的图标形状（通过 Font Awesome 5.11.2 获得）；
支持高级调色板（通过 palettable 实现）；
为上述调色板提供直接梯度；
支持读取文本文件，或预生成的 CSV 文件（包含单词和数字）；
提供命令行接口。
更换中文字体，支持中文词云
stylecloud 包由数据科学家 Max Woolf 创建，是对其 2016 年风格化词云项目的较正式实现。
640.jpeg
stylecloud 项目地址：
安装
你可以通过 pip 安装 stylecloud：
Java
pip3 install stylecloud
使用
你可以通过 Python 脚本使用 stylecloud，也可以直接使用独立的 CLI app。假如你有一份美国宪法的文本文件 constitution.txt（git上有）
使用以下 Python 脚本：
Bash
import stylecloud
stylecloud.gen_stylecloud(file_path='constitution.txt')
得到如下词云：
640-1.jpeg
但你可以做到更多！比如使用 Font Awesome 提供的免费图标更改词云的形状，通过 palettable 更改调色板以自定义风格，更改背景颜色，以及最重要的，添加梯度使颜色按照特定方向流动。
Python
import stylecloud
stylecloud.gen_stylecloud(file_path='constitution.txt',
icon_name='fas fa-dog',
palette='colorbrewer.diverging.Spectral_11',
background_color='black',
gradient='horizontal')
你还可以使用 CLI 执行更快速的 stylecloud 生成！对于上文中的旗形 stylecloud，使用：
Bash
stylecloud --file_path constitution.txt
对于更复杂的犬形 stylecloud，使用：
Bash
stylecloud --file_path constitution.txt --icon_name 'fas fa-dog' --palette colorbrewer.diverging.Spectral_11 --background_color black --gradient horizontal
你可以在 stylecloud-examples repo 中查看 stylecloud 的更多示例，比如如何基于 Twitter 和 Reddit 数据制作 stylecloud。
地址：
有用的参数
以下参数对 stylecloud Python 函数和 CLI 均有效，你可以通过 stylecloud -h 获取这些参数的信息。
text：输入文本。
file_path：输入文本/CSV 的文件路径。
gradient：梯度方向（其默认值是 None，如果它的值不是 None，则 stylecloud 使用了方向性梯度）[default: None]
size：stylecloud 的大小（长度和宽度）[default: 512]
icon_name：stylecloud 形状的图标名称（如 fas fa-grin）[default: fas fa-flag]
palette：调色板（通过 palettable 实现）[default: cartocolors.qualitative.Bold_6]
background_color：背景颜色。[default: white]
max_font_size：stylecloud 中的最大字号。[default: 200]
max_words：stylecloud 可包含的最大单词数。[default: 2000]
stopwords：布尔值，用于筛除常见禁用词。[default: True]
output_name：stylecloud 的输出文本名。[default: stylecloud.png]
font_path：stylecloud 所用字体 .ttf 文件的路径。[default: uses included Staatliches font]
random_state：控制单词和颜色的随机状态。
stylecloud 的主要目标是为文本数据可视化结果提供独特的美感。词云强调统计上可靠的数据可视化，而 stylecloud 更注重「酷」！
stylecloud 包独立于 word_cloud 单独发布，因为它的适用范围和 Python 依赖项均有所增长。
生成优秀 stylecloud 需要的完美字体是：加粗/高字重，以提高可读性；紧凑/低间距，以容纳更多文本。这两个特点就是 stylecloud 使用 Staatliches 作为默认字体的原因（而不是 base word_cloud 使用的 Droid Sans 字体）。
在生成 stylecloud 后，你可能想做一些后处理：例如添加颜色掩码，添加感知偏移，将 stylecloud 输入风格迁移 AI 模型等等。
max_font_size 的默认值 200 与 size 的默认值 512 呈正相关，如要增加 size，你还需要考虑增加 max_font_size 的值。
