用Python分析了数千个微信昵称后，我们发现了这些规律...

核心代码：

# 清洗数据，生成词云图 
def split_word(test_str): 
    test_str = re.sub('[,，。. rn]', '', test_str) 
    # jieba 词语 
    segment = jieba.lcut(test_str) 
    words_df = pd.DataFrame({'segment': segment}) 
    # quoting=3 表示stopwords.txt里的内容全部不引用 
    stopwords = pd.read_csv(r"H:PyCoding Analysis_wx_namestopwords.txt", index_col=False, quoting=3, sep="t", names=['stopword'], encoding='utf-8') 
    words_df = words_df[~words_df.segment.isin(stopwords.stopword)] 
    words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数": numpy.size}) 
    words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False) 
    test = words_stat.head(200).values 
    codes = [test[i][0] for i in range(0,len(test))] 
    counts = [test[i][1] for i in range(0,len(test))] 
    wordcloud = WordCloud(width=1300, height=620) 
    wordcloud.add("微信昵称", codes, counts, word_size_range=[20, 100]) 
    wordcloud.render('render_03.html') 

运行效果：

4. 使用Wordcloud+matplotlib，生成高级一点的词云图:

核心代码：

# 下下期好好讲一下matplotlib绘图可视化，挺有意思的 
# 调用get_name函数获取全部微信名 
text = get_name() 
# 调用jiebaclearText函数，清洗数据(该函数和上面切词思想一样) 
text1=jiebaclearText(text) 
#产生词云图 
bg = plt.imread(r"G:small_pig.jpg") 
#生成词云 
wc=WordCloud( 
    background_color="wathet", #设置背景为白色，默认为黑色 
    mask=bg,      # 设置词云内容范围(除指定图片白色区域的其他区域都将覆盖词云内容) 
    margin=10,               #设置图片的边缘 
    max_font_size=70,   #显示的最大的字体大小 
    random_state=20,    #为每个单词返回一个PIL颜色 
    font_path='G:simkai.ttf'   #中文处理，用系统自带的字体 
    # 可以在这里下载这个字体：http://www.font5.com.cn/font_download.php?id=534&part=1245067666 
    ).generate(text1) 
#为图片设置字体 
my_font=fm.FontProperties(fname='G:simkai.ttf') 
# 图片背景 
bg_color = ImageColorGenerator(bg) 
# 开始画图 
plt.imshow(wc.recolor(color_func=bg_color)) 
# 为云图去掉坐标轴 
plt.axis("off") 
# 保存云图 
wc.to_file("render_04.png") 

5.词云轮廓原图：

运行效果：

由于第二种方法无法解析表情图，所以没有表情出现，除此之外，这两种方法显示的词云图内容，几乎大同小异。

通过词云图，我们一眼看出，大家使用最多的，除开中文后，就是表情图了，你的微信朋友圈里，是否也有这样的大红嘴唇，我的好像有，哈哈哈~

（编辑：好传媒网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!