使用python开发的词云图生成器2.0

2024-05-01 18:52

本文主要是介绍使用python开发的词云图生成器2.0,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用python开发的词云图生成器2.0

  • 更新部分
  • 词云图
  • 主要三方库
  • 工具介绍和效果
    • 工具界面:
  • 代码

更新部分

1.支持选择字体;
2.支持选择词云图形状

词云图

词云图啊,简单来说,它可以把文本数据中的高频关键词变成不同大小、颜色的词汇,然后像云朵一样聚集在一起。如下图所示:
在这里插入图片描述
在这里插入图片描述

主要三方库

  • pyqt开发gui界面
  • jieba库进行分词
  • matplotlib库展示词云图
  • wordcloud库生成词云图

工具介绍和效果

工具界面:

在这里插入图片描述

代码

"""
楷体:simkai.ttf
隶书:SIMLI.TTF
宋体:simsun.ttc
黑体:simhei.ttf
微软雅黑:msyh.ttc"""
import sys
from PyQt5.QtWidgets import QApplication, QWidget, QVBoxLayout, QHBoxLayout, QPushButton, QSizePolicy, QFileDialog, \QColorDialog, QComboBox
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
from matplotlib.figure import Figure
from wordcloud import WordCloud
import jieba
import numpy as np
from PIL import Imageclass MainWindow(QWidget):def __init__(self):super().__init__()self.color_code = Noneself.mask_shape = Noneself.ch_font = Noneself.initUI()def initUI(self):self.font_dict = {'楷体': 'simkai.ttf', '隶书': 'SIMLI.TTF', '宋体': 'simsun.ttc', '黑体': 'simhei.ttf','微软雅黑': 'msyh.ttc'}# 创建布局vbox = QVBoxLayout()# 第一部分:横向排列的四个按钮button_list = ["选择文本", "选择停用词", "选择背景颜色", "导出词云图", "选择词云图形状", "选择字体"]self.font_type = QComboBox(self)# 遍历字典的键,并将它们添加到 QComboBox 中for key in self.font_dict:self.font_type.addItem(key)hbox1 = QHBoxLayout()for i in range(6):btn = QPushButton(button_list[i])if button_list[i] == "选择文本":btn.clicked.connect(self.openTextFile)elif button_list[i] == "选择停用词":btn.clicked.connect(self.openStopWordsFile)elif button_list[i] == "选择背景颜色":btn.setObjectName("选择背景颜色")btn.clicked.connect(self.selectBackgroundColor)elif button_list[i] == "选择词云图形状":btn.setObjectName("选择词云图形状")btn.clicked.connect(self.open_mask_img)else:btn.clicked.connect(self.save_wordcloud_image)hbox1.addWidget(btn)hbox1.addWidget(self.font_type)vbox.addLayout(hbox1)# 第二部分:一个按钮btn_single = QPushButton('更新词云图')btn_single.clicked.connect(self.update_wordcloud)  # 连接点击事件vbox.addWidget(btn_single)# 第三部分:matplotlib绘制的折线图(假设MatplotlibCanvas已定义)self.fig = Figure(figsize=(8, 8), dpi=100)self.axes = self.fig.add_subplot(111)self.canvas = FigureCanvas(self.fig)vbox.addWidget(self.canvas)  # 将画布添加到布局中# 设置窗口属性self.setLayout(vbox)self.setWindowTitle('词云图生成器V2.0')self.setGeometry(500, 300, 800, 640)self.show()def open_mask_img(self):options = QFileDialog.Options()options |= QFileDialog.DontUseNativeDialogfileName, _ = QFileDialog.getOpenFileName(self, "选择词云图形状", "","Image Files (*.png *.xpm *.jpg *.jpeg)",options=options)if fileName:self.mask_shape = np.array(Image.open(fileName))def save_wordcloud_image(self):options = QFileDialog.Options()options |= QFileDialog.DontUseNativeDialogfileName, _ = QFileDialog.getSaveFileName(self, "保存词云图", "","PNG Files (*.png);;JPG Files (*.jpg);;All Files (*)",options=options)if fileName:self.fig.savefig(fileName, dpi=100, bbox_inches='tight')print(f"词云图已保存为 {fileName}")def update_wordcloud(self):# 字体选择selected_text = self.font_type.currentText()# 使用字典的键来检索对应的值self.ch_font = self.font_dict[selected_text]# 使用jieba进行分词word_list = jieba.cut(self.text, cut_all=False)words = " ".join(word_list)# 设置matplotlib使用支持中文的字体# 创建WordCloud对象并生成词云图print(self.color_code)wordcloud = WordCloud(width=800, height=800,background_color=self.color_code if self.color_code is not None else "white", \stopwords=None, font_path=self.ch_font if self.ch_font is not None else 'msyh.ttc',mask=self.mask_shape if self.mask_shape is not None else None).generate(words)# 清除之前的图像并绘制新的词云图self.axes.clear()self.axes.imshow(wordcloud, interpolation='bilinear')self.axes.axis("off")self.canvas.draw()def openTextFile(self):"""打开文件选择对话框,选择文本文件"""self.file_path, _ = QFileDialog.getOpenFileName(self, "选择文本文件", "", "Text Files (*.txt)")if self.file_path:  # 确保文件路径不为空with open(self.file_path, 'r', encoding='utf-8') as file:  # 读取文本文件内容self.text = file.read()# 自动更新词云图else:print("未选择文件")def openStopWordsFile(self):"""打开文件选择对话框,选择停用词文件"""file_path, _ = QFileDialog.getOpenFileName(self, "选择停用词文件", "", "Text Files (*.txt)")# 这里添加处理文件路径的逻辑with open(file_path, 'r', encoding='utf-8') as f:stopwords = set(f.read().splitlines())print(stopwords)def selectBackgroundColor(self):"""打开颜色选择器,选择背景颜色"""color = QColorDialog.getColor()if color.isValid():# 更新按钮文本为颜色代码self.color_code = color.name()button = self.findChild(QPushButton, "选择背景颜色")button.setText(self.color_code)# 更新按钮文本颜色button.setStyleSheet(f"color: {self.color_code};")# 这里添加使用所选颜色的逻辑if __name__ == '__main__':app = QApplication(sys.argv)ex = MainWindow()sys.exit(app.exec_())

这篇关于使用python开发的词云图生成器2.0的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/952425

相关文章

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof