一、前言

數據分析報告之中文標簽云

在我的前一篇博客(python爬蟲爬取拉勾網職業信息)中，獲得了一份格式化的職業信息數據，不清楚的可以看看我的上一篇博客。

python制作標簽云的包有幾個，我這里選用了Wordcloud，直接pip install 即可。

二、實戰

1、統計詞頻數

前面我們用爬蟲已經抓取了一份格式化的數據，要制作標簽云，要先把各個公司職位優勢的詞頻數統計出來，代碼如下：

def wordCount(filename):    '''    簡單計算詞頻的函數    :param filename: 文件名    :return: 詞頻    '''    wordCount = {}    file = open(filename,'r')    while True:        line = file.readline()        if line:            wordlist = line.split(',[')            if len(wordlist) == 1: continue            wordlist = wordlist[1].split('],')[0].split(',')            for word in wordlist:                word = word.replace(' ', '').replace("'", '')                if word in wordCount.keys():                    wordCount[word] = wordCount[word]+1                else:                    wordCount[word] = 1        else:            break    return [(k, wordCount[k]) for k in wordCount.keys()]注意，上述代碼只用于特定格式下，即爬蟲抓取回來的職位信息中公司優勢的詞頻統計
2、生成標簽云
def generateCloud(filename,imagename,cloudname,fontname):    '''    生成標簽云的函數    '''    coloring = imread(imagename)             # 讀取背景圖片    wc = WordCloud(background_color="white", # 背景顏色max_words=2000,# 詞云顯示的最大詞數                   mask=coloring,            # 設置背景圖片                   stopwords=STOPWORDS,      # 停止詞                   font_path=fontname,       # 兼容中文字體                   max_font_size=150)        # 字體最大值    #計算好詞頻后使用generate_from_frequencies函數生成詞云    #txtFreq例子為[('詞a', 100),('詞b', 90),('詞c', 80)]    txtFreq = wordCount(filename)    wc.generate_from_frequencies(txtFreq)    # 生成圖片    plt.imshow(wc)    plt.axis("off")    # 繪制詞云    plt.figure()    # 保存詞云    wc.to_file(cloudname)這里需要注意的是，fontname這個參數，在Ubuntu系統下，生成中文標簽云默認字體可能會不兼容，所以要重新指定兼容的字體，直接在window系統下復制微軟雅黑(msyh,tff)字體過來即可。
3、運行
if __name__ == '__main__':    d = path.dirname(__file__)              # 獲取當前文件路徑    fontname = path.join(d, 'msyh.ttf')     # 中文字體路徑    filename = path.join(d, '廣州.txt')      # txt文件路徑    imagename = path.join(d, "circle.jpg")  # 背景圖片路徑    cloudname = path.join(d, "cloud.png")   # 標簽云路徑    generateCloud(filename, imagename, cloudname, fontname)三、結果
1、選用的背景圖片--circle.jpg
2、生成的標簽云--cloud.png
3、到這里就大工告成了，具體代碼可以在我的github上找到：https://github.com/lpty