import jieba
txt = open("華特氣體.txt", "r", encoding="utf-8").read()
words = jieba.lcut(txt)
words

wordsDict = {} #新建字典用于儲(chǔ)存詞及詞頻
for word in words:
    if len(word) == 1: #單個(gè)的字符不作為詞放入字典
        continue
    else:
        wordsDict.setdefault(word, 0) #設(shè)置詞的初始出現(xiàn)次數(shù)為0
        wordsDict[word] +=1 #對(duì)于重復(fù)出現(xiàn)的詞，每出現(xiàn)一次，次數(shù)增加1
wordsDict_seq = sorted(wordsDict.items(),key=lambda x:x[1], reverse=True) #按字典的值降序排序
wordsDict_seq[:15] 

stopWords = ["公司","行業(yè)","000","用于","情況","方面","一種","要求","對(duì)于","進(jìn)行","一般","212","實(shí)現(xiàn)","處理","通過","投入","隨著"]
for word in stopWords:
    if word in wordsDict:
        del wordsDict[word] #刪除對(duì)應(yīng)的詞
wordsDict_seq = sorted(wordsDict.items(),key=lambda x:x[1], reverse=True) #按字典的值降序排序
wordsDict_seq[:15] 

df = pd.DataFrame(wordsDict_seq,columns=['詞','次數(shù)'])
df.to_excel("華特氣體-詞頻.xlsx",index = False) #存為Excel時(shí)去掉index索引列
df.head(10)

import os
path='主要業(yè)務(wù)'  #文件所在文件夾
files = [path+"\\"+i for i in os.listdir(path)] #獲取文件夾下的文件名,并拼接完整路徑
files

import jieba
import pandas as pd
for file in files:
    txt = open(file, "r", encoding="utf-8").read()
    words = jieba.lcut(txt)
    wordsDict = {} #新建字典用于儲(chǔ)存詞及詞頻
    for word in words:
        if len(word) == 1: #單個(gè)的字符不作為詞放入字典
            continue
        else:
            wordsDict.setdefault(word, 0) #設(shè)置詞的初始出現(xiàn)次數(shù)為0
            wordsDict[word] +=1 #對(duì)于重復(fù)出現(xiàn)的詞，每出現(xiàn)一次，次數(shù)增加1
    stopWords = ["2019","不斷","持續(xù)","主要","企業(yè)","產(chǎn)品","業(yè)務(wù)","公司","行業(yè)","000","用于","情況","方面","一種","要求","對(duì)于","進(jìn)行","一般","212","實(shí)現(xiàn)","處理","通過","投入","隨著"]
    for word in stopWords:
        if word in wordsDict:
            del wordsDict[word] #刪除對(duì)應(yīng)的詞
    wordsDict_seq = sorted(wordsDict.items(),key=lambda x:x[1], reverse=True) #按字典的值降序排序
    df = pd.DataFrame(wordsDict_seq,columns=['詞','次數(shù)'])
    df.to_excel("詞頻//{}.xlsx".format(file.split("\\")[1][:-4]),index = False) #存為Excel時(shí)去掉index索引列

import numpy as np # numpy數(shù)據(jù)處理庫(kù)
import wordcloud # 詞云庫(kù)
from PIL import Image # 圖像處理庫(kù)，用于讀取背景圖片
import matplotlib.pyplot as plt # 圖像展示庫(kù)，以便在notebook中顯示圖片
from openpyxl import load_workbook #讀取詞頻Excel文件
import os #獲取詞頻Excel文件路徑

wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9, mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None, background_color='black', max_font_size=None, font_step=1, mode='RGB', relative_scaling='auto', regexp=None, collocations=True, colormap=None, normalize_plurals=True, contour_width=0, contour_color='black', repeat=False, 'include_numbers=False', 'min_word_length=0', 'collocation_threshold=30')

`width,height`：畫布的寬度和高度，單位為像素。若沒設(shè)置`mask`值，才會(huì)使用此默認(rèn)值400*200。
`margin`：詞間距。
`ranks_only`：文檔未說明。
`prefer_horizontal`：詞語(yǔ)橫排顯示的概率(默認(rèn)為90%，則豎排顯示概率為10%)
`mask`：用于設(shè)定繪制模板，需要是一個(gè)`nd-array`（多維數(shù)組），所以在用`Image.open()`讀取圖片后，需要用`np.array`轉(zhuǎn)換成數(shù)組。另外`mask`參數(shù)有設(shè)定的話，畫布的大小會(huì)由詞頻背景圖的大小決定。這個(gè)經(jīng)常使用，因?yàn)槲覀兏鼉A向于自定義模板。
`scale`：比例尺，用于放大畫布的尺寸。一般使用默認(rèn)值。
`color_func`：顏色函數(shù)，一般不用。
`max_words`:詞云圖中最多顯示詞的字?jǐn)?shù)，設(shè)定一個(gè)值，可讓那些出現(xiàn)次數(shù)極少的詞不顯示出來(lái)。
`min_font_size`:字號(hào)最小值。
`stopwords`:設(shè)置不想顯示的詞。
`random_state`：文檔未說明。
`background_color`：詞云圖背景色，默認(rèn)為黑色。可根據(jù)需要調(diào)整。
`max_font_size`：字號(hào)最大值。
`font_step`：字體的步長(zhǎng)，一般使用默認(rèn)。大于1的時(shí)候可提升運(yùn)算速度，但匹配較差。
`mode`：當(dāng)設(shè)置為"RGBA" 且`background_color`設(shè)置為"None"時(shí)可產(chǎn)生透明背景。
`relative_scaling`：詞頻對(duì)字體大小的影響度，一般使用默認(rèn)。
`regexp`：正則表達(dá)式分割輸入的字符。一般是先處理好才給到wordcloud，所以基本不用。
`collocations`：是否包含兩個(gè)詞的搭配，若使用了`generate_from_frequencies`方法則忽略此參數(shù)。一般不用。
`colormap`：每個(gè)詞對(duì)應(yīng)的顏色，若設(shè)置了`color_func`則忽略此參數(shù)。
`normalize_plurals`：是否移除英文復(fù)數(shù)單詞末尾的s ，比如可將word和words視同為一個(gè)詞，并將詞頻算到word頭上。如果使用了`generate_from_frequencies`方法則忽略此參數(shù)。
`contour_width`：如果`mask`有設(shè)置，且`contour_width`>0，將會(huì)繪制`mask`輪廓。
`contour_color`：`mask`輪廓的顏色，默認(rèn)為黑色。
`repeat`：當(dāng)詞不足以滿足設(shè)定的`max_words`時(shí)，是否重復(fù)詞或短語(yǔ)以使詞云圖上的詞數(shù)量達(dá)到`max_words`
`include_numbers`：是否將數(shù)字作為詞。
`min_word_length`：設(shè)置一個(gè)詞包含的最少字母數(shù)量。
`collocation_threshold`：界定英文中的`bigrams`，對(duì)于中文不適用。

#將存好的Excel詞頻表讀取成字典
path='詞頻'  #文件所在文件夾
files = [path+"\\"+i for i in os.listdir(path)] #獲取文件夾下的文件名,并拼接完整路徑
maskImage = np.array(Image.open('background.png')) # 定義詞頻背景圖
for file in files:
    #將詞頻Excel文件讀取為字典
    wb = load_workbook(file)
    ws = wb.active
    wordFreq = {}
    for i in range(2,ws.max_row+1):
        word = ws["A"+str(i)].value
        freq = ws["B"+str(i)].value
        wordFreq[word] = freq    
    #定義詞云樣式
    wc = wordcloud.WordCloud(
        font_path='C:/Windows/Fonts/simhei.ttf', # 設(shè)置字體
        mask= maskImage, # 設(shè)置背景圖
        max_words=500, # 最多顯示詞數(shù)
        max_font_size=100) # 字號(hào)最大值
    #生成詞云圖
    wc.generate_from_frequencies(wordFreq) # 從字典生成詞云
    #保存圖片到指定文件夾
    wc.to_file("詞云圖\\{}.png".format(file.split("\\")[1][:4]))
    #在notebook中顯示詞云圖
    plt.imshow(wc) # 顯示詞云
    plt.axis('off') # 關(guān)閉坐標(biāo)軸
    plt.show() # 顯示圖像