一、python与其他语言的区别

1.python作为一门解释性语言，与java、C等语言相比，第一个特点就是python不用编译，可以像脚本一样直接运行。前几天咱们工作室有同学问我，他的编程界面为什么跟别人的不一样，是因为他使用的是shell，而别人使用的是IDE。python有四种运行方式，第一种是通过python自带的IDLE，利用shell命令行提示符，输入后按回车就会有输出，是交互式的；如：

第二种是以脚本方式运行，写好python脚本后，在py脚本所在目录下输入python hello.py即可执行，如：

第三种方式是直接在命令提示符下运行，输入python，回车就进入python环境 ，这种方式跟第一种差不多，如果要退出使用Ctrl+Z，然后回车；

第四种是直接使用python的IDE,推荐使用的是pycharm。

2.python不同与其他语言的第二个特点是用缩进来区分语句块，而不是用{}，所以编程习惯不好的同学在这里就会吃亏了；

3.python目前有两个版本，Python2和python3，两个版本除了语法有不同之外，还有很大的区别；你要问我学习哪个版本比较好，我只能说对于新手来说想学数据分析最好用2，学姐就吃过苦头啦，因为python3不兼容很多2 的库，并且很多数据分析的包还没有，据悉，python2至少到2020年还不会消失，可以学2入门，再转到3也不迟；我一个小白就不在这里装大佬啦，给大家提供一个学习python的网址：菜鸟教程，大家可以先在这里学再转到数据分析；

4.python的最大特点，它具有强大的大三方库，也就是说，很多东西不需要你编写，别人已经替你写好啦，你就只需要下载，导入，调用就行了，这也是为什么现在python这么流行的原因之一。

好，说了这么多终于可以进入我们的词频分析啦，在分析之前先介绍一下环境，安装我们今天例子所需要的包

二、环境介绍

1.想学数据分析必须要了解Anaconda，Anaconda（官方网站）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda，numpy，scipy在内的超过180个科学包及其依赖项。由于python2和python3不兼容的问题，环境的管理变得尤为重要，大家作为初学者先不用安装anaconda，用不到1000多个库，毕竟要占几G的空间，但必须要了解 。

2.pip：用于安装和管理软件包的包管理器，请确保你的环境中有pip，执行python –version查看，如没有，windows环境下需要下载，下载地址：https://pypi.python.org/pypi/pip#downloads ，下载解压后，进入到解压目录，执行如下命令：

python setup.py install

如果下载安装后执行python –version报错，则需要配环境变量。

3.pip装好后就可以安装其他的科学包啦，我们今天用到的第一个包：wordcloud，用它可以将文本中的关键词进行总结，并根据出现的频率生成词云 ，安装命令如下：

pip install wordcloud

在安装的过程中已经自动地帮我们把 大名鼎鼎的matplotlib和numpy装好啦，如图：

可能有些同学安装的过程中会报错，这时候你需要在https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud根据你电脑系统下载，如果是32位系统，下载后输入命令： pip install wordcloud‑1.4.1‑cp36‑cp36m‑win32.whl

4.jieba：中文分词工具，因为中文不像英文那样用空格可以区分单词，用jieba可以将中文文本分成若干个词组，安装 命令如下：

pip install jieba

三、词频分析案例

所有的准备工作都做完后就可以开始做词云分析啦!给大家讲一种最简单的词云，用几行代码就可以生成！

1.生成英文词云

请准备好一篇txt文档，我用的是自己的一篇有关python爬虫调查的英文论文 ，把文档放在demo_wordcloud文件夹里，打开控制台，进入demo_wordcloud文件夹，输入python后回车，首先我们输入如下语句：

filename = "bigdata.txt"
mytext = open(filename).read()  #读取文件，并存放在mytext变量中
mytext #看看输出是否正常

这时我们就可以在控制台看到我们的文章啦

但是我们会发现不太美观，并且一堆文字不知道重点是什么，没关系，马上我们呼唤词云包，让它来帮我们找文章重点与关键词，并可视化输出 ，输入如下语句：

from wordcloud import WordCloud
wordcloud = WordCloud().generate(mytext)

这时词云已经生成了，你没有看错，制作词云的核心代码就是这两行，但你会说，学姐，在哪呢？怎么没看见呢？骗人的吧？别着急，马上可视化出来，这时我们导入python中大名鼎鼎的matplotlib绘图工具包中的pyplot模块

import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation=’bilinear’)
plt.axis(“off”)

接下来就是见证奇迹的时刻了，输入plt.show()后，词云图就出来啦！

是不是很激动？通过这张图，我们可以看到高频词出现的字号比较大，且颜色对比也很明显，其实字体颜色甚至词云的形状我们都可以设置，这里我们就不讲了，有兴趣的同学可以自己研究。接下来讲第二个例子，生成中文词云。

2.生成中文词云

看了上面的例子是不是有同学想照葫芦画瓢做中文了？那你肯定会遇到很多问题，中文要麻烦一点，首先需要下载一种中文字体，不然会出现方框没有字，学姐使用的是simsun.ttf，请在这里下载，下载好后同样放在demo_wordcloud下，中文使用jieba分词工具，代码如下：

#-*-coding:utf-8-*-    
import matplotlib.pyplot as plt  
from wordcloud import WordCloud  
import jieba  
  
text = open("大数据.txt","rb").read()  
#结巴分词  
mytext = jieba.cut(text,cut_all=False)  #采用精准模式，true为全模式
wt = " /".join(mytext)  
  
#设置词云  
wc = WordCloud(background_color = "black", #设置背景颜色  
               max_words = 1000, #设置最大显示的字数  
               font_path = "simsun.ttf",  #设置中文字体，词云默认字体是“DroidSansMono.ttf字体库”，不支持中文 
               max_font_size = 50,  #设置字体最大值  
               random_state = 30, #设置有多少种随机生成状态，即有多少种配色方案  
    )  
mycloud= wc.generate(wt)#生成词云  
  
#展示词云图  
plt.imshow(mycloud)  
plt.axis("off")  
plt.show() 

效果图如下：

到现在为止我们就完成了两个简单的例子啦，但是不知道大家发现没有，中文词云图里面像“因此”这种词出现的频率较多，所以图里面就比较明显，那怎么才能去掉这种停用词呢？怎样才能生成形状不一样的词云图呢？留给大家去思考。