我的Python教程

mdates.date2num() 将 Python 的 datetime 对象转换为 Matplotlib 内部使用的数值格式（浮点数），表示从 0001-01-01 开始的天数（包含时间的小数部分）。整数部分：表示天数（例如 738771 对应 2023-10-01）。小数部分：表示时间（例如 0.5 对应中午 12:00）。

WordCloud去掉停用词（fit_words+generate）的2种用法。使用WordCloud模块中repeat参数，做一个关键字重复的词云图。-------------词云图集合-----------------------★★历史博文集合★★----------用Wordcloud+PyQt5写个词云图生成器1.0。通过词频来绘制词云图（jieba+WordCloud）使用wordcloud模块，绘制一个自定义的词云图形状。盘点WordCloud模块，词云图的相关知识点。

allowPOS：仅返回符合此正则表达式的词性（词性标签），默认为空字符串，即不过滤词性。如果设置为 True，则返回的列表将包含元组，每个元组包含关键词和对应的权重。使用WordCloud模块中repeat参数，做一个关键字重复的词云图。-------------词云图集合-----------------------★★历史博文集合★★----------topK：需要返回关键词的个数，默认为 20 个。盘点WordCloud模块，词云图的相关知识点。关于词云图显示异常，出现乱码的解决办法。

colormap：字符串或matplotlib colormap类型，默认值为"viridis"。如果设置为1，则一个单词出现两次时，其字体大小为原来的两倍。max_font_size：整数类型或None，默认值为None。font_path：字符串类型，指定字体文件的路径。font_step：整数类型，默认值为1。color_func：可调用对象，默认值为None。background_color：颜色值类型，默认值为"black"。min_font_size：整数类型，默认值为4。

2.通过w.fit_words（参数为字典类型）+Counter（参数可以是字符串，也可以是可迭代的对象，返回字典类型）+jieba（参数是字符串，返回是generator类型）。个人觉得使用w.fit_words比W.generate生成词云图，要更直观一点，因为它可以根据词频的大小，在词云图上反应出字体的大小。可以看到原文本（杨过是欧阳锋的义子，他的黯然销魂掌，可以和郭靖的降龙十八掌媲美），文本里面的 是，和，的，它等需要都被去掉了。-------------词云图集合-------------

1.简单的说一下实现思路：运行下面代码后，会生成一个名为wordcloud.html的文件，供后端使用。这个示例代码通过Python生成词云图，并将图像转换为base64编码嵌入到HTML文件中，从而实现将词云图直接展示在网页上的效果。使用WordCloud模块中repeat参数，做一个关键字重复的词云图。-------------词云图集合-----------------------★★历史博文集合★★----------使用wordcloud模块，绘制一个自定义的词云图形状。

Sweetviz 能够自动分析数据集的特征和属性，并生成详细的 EDA 报告。用户无需手动编写复杂的代码，只需简单调用 Sweetviz 函数即可生成完整的报告。Sweetviz 生成的报告是交互式的，用户可以通过简单的点击和拖拽来进行探索和导航。Sweetviz是一个用于生成数据集探索性数据分析（EDA）报告的Python库。Sweetviz 提供了多种可视化图表，包括直方图、箱线图、核密度图、散点图等，以帮助用户更直观地理解数据分布和特征之间的关系。确保你已经安装了Sweetviz库。

4.Image.blend()：用于将两个图像混合在一起，根据指定的alpha值来决定每个图像在混合结果中的贡献程度。alpha值范围从0（完全第一个图像）到1（完全第二个图像），当取值=0.5时，为两个图像的中合，因此该值的大小决定了两个图像的混合程度。mask是一个遮罩图像，它决定了 image2 在合成图像中的哪些部分应该是可见的，哪些部分应该是透明的。图像混合与透明度调整：使用Image.blend()方法混合两张图像，通过调整alpha值来控制图像的混合程度。加载图像到内存中，准备进行后续处理。

4.jieba.tokenize示例用法：返回一个生成器，每次迭代返回一个包含三个元素的元组(word, start, end)，其中 word 是分词结果中的一个词，start 和 end 分别是该词在原始句子中的起始和结束位置（基于字符索引）。通用量词：如“一些”、“很多”、“这个”、“那个”等。代词：如“我”、“你”、“他”、“她”、“它”等。连词：如“和”、“与”、“但是”、“而且”等。介词：如“在”、“到”、“从”、“对于”等。助词：如“的”、“了”、“着”、“过”等。

两个示例中，subplot 和 subplots 方法都用于创建包含两个子图的图形。subplot 方法通过指定行数、列数和面板编号来添加子图，而 subplots 方法则返回一个包含 Figure 和 Axes 对象的元组，使得操作更加直观和灵活。Matplotlib 可以使用 subplot 或 subplots 方法来创建子图，从而在同一窗口中显示多张图片。subplots 方法返回一个包含 Figure 对象和一组 Axes 对象的元组，可以更方便地操作和管理多个子图。2.使用 subplots。

上述示例中，首先创建了一个WordCloud对象，并使用generate方法生成词云。然后，通过调用to_image方法将词云转换为PIL.Image对象，并使用show方法显示图像。在WordCloud模块中，to_image方法用于将词云转换为PIL.Image对象。执行该方法后，词云将转换为PIL.Image对象，并返回给调用者。

此外，process_text函数返回的结果是一个字典，其中包含了分词后的token以及对应出现的次数。如果不需要统计词频，可以只使用分词结果。需要注意的是，process_text函数并不会对文本进行编码解码、去重等操作，如果需要执行这些操作，需要额外编写代码实现。经过process_text处理后，文本被分成了多个token，并统计了每个token出现的次数。函数主要用于对文本进行预处理，包括分词、去除停用词、去除标点符号等操作。经过process_text处理后的文本可以用于生成词云。

接下来，我们通过sorted()函数和lambda函数对所有单词按照权重值进行排序，并选择前N个关键词作为重要关键词。基于TextRank算法的关键词筛选：TextRank算法是一种基于图的关键词抽取算法，它通过构建文本的上下文关系图，并计算每个单词的PageRank值来评估其重要性。词频统计：统计每个单词在文本中出现的次数，出现次数越多的单词可能越重要。基于TF-IDF的关键词筛选：使用TF-IDF算法计算每个单词的权重，然后根据权重值对单词进行排序，选择权重值较高的单词作为重要关键词。

*Pyecharts是一个用于生成 Echarts 图表的 Python 库。Echarts 是一个基于 JavaScript 的数据可视化库，提供了丰富的图表类型和交互功能。**通过 Pyecharts，你可以使用 Python 代码生成各种类型的 Echarts 图表，例如折线图、柱状图、饼图、散点图等。Pyecharts 提供了许多方便的 API 和方法，可以让你轻松地创建和定制自己的图表。Scatter()：用于创建散点图。Line()：用于创建折线图。Pie()：用于创建饼图。

【代码】我的Python教程：使用Pyecharts画关系节点图。

pandas.plot() 是 pandas 库中的一个非常方便的函数，用于绘制各种图形，例如线图、柱状图、散点图等。----------★★历史博文集合★★----------