介绍,#引入基础库,在网上抄的代码,除了1、2、6,其他的可能用不到
,import numpy as np
,import pandas as pd
import 再保险
import 操作系统
import 编解码器
import jieba
,#打开文件,文件在桌面上,可以自行修改路径
,f1=开放(“C:/用户/KangB/桌面/wechat7/title.txt",“r",编码=& # 39;gb2312 # 39;,错误=& # 39;忽略# 39;)
,f2=开放(“C:/用户/KangB/桌面/wechat7/title_fenci.txt", & # 39; w # 39;,编码=& # 39;gb2312 # 39;,错误=& # 39;忽略# 39;)
,for line f1拷贝:=,,seg_list jieba.cut(线,,cut_all=False)
,f2.write ((,,, . join (seg_list)) .replace (“\ t \ \ t",“\ t"))
,#打印(w)
,f1.close ()
,f2.close ()
,#取需要分词的内容
,标题=开放(“C:/用户/KangB/桌面/wechat7/title_fenci.txt",编码=& # 39;gb2312 # 39;,错误=& # 39;忽略# 39;).read () .split (& # 39; \ n # 39;)
,#查看内容,这里是一个列表,列表里面每个原素是分好的标题,查看下长度看有没有错误
,#标题
,# len(标题)
,#构建停词函数,停词表是自己在网上搜的
,def get_custom_stopwords (stop_words_file):
,with 开放(stop_words_file编码=& # 39;utf - 8 # 39;) as f:
,stopwords=f.read ()
,stopwords_list=stopwords.split (& # 39; \ n # 39;)
,custom_stopwords_list=[小姐:for 小姐:拷贝stopwords_list]
return custom_stopwords_list
,#停用词函数调用
,stop_words_file=癈:/用户/KangB/桌面/wechat7/stopwords.txt"
,stopwords=get_custom_stopwords (stop_words_file)
,#查看停用的词,也格是列表式
,# stopwords
,#构建词向量,也就是把分好的次去除停词转化成kmeans可以接受的形式
,得到sklearn.feature_extraction.text import CountVectorizer
,count_vec=CountVectorizer (stop_words=stopwords)
,km_matrix=count_vec.fit_transform(标题)
,打印(km_matrix.shape)
,#查看词向量
,#打印(km_matrix.toarray ())
,#开始聚类啦
,得到sklearn.cluster import KMeans=,num_clusters 4, #聚为四类,可根据需要修改=,,km KMeans (n_clusters=num_clusters)
,km.fit (km_matrix)=,,clusters km.labels_.tolist ()
,#查看聚类的结果,是列表,这里省略,看看长度是不是和标题一样就行啦
,# len(集群)
,#最后把聚类结果写在一个新的txt里面
,f3 =开放(“C:/用户/KangB/桌面/wechat7/title_clusters.txt",, & # 39; w # 39;,编码=& # 39;gb2312 # 39;,错误=& # 39;忽略# 39;)
,for 小姐:拷贝;集群:
,f3.write (str (i))
,f3.write (“\ n")
之前,f3.close ()
这篇文章给大家分享的是有关Python3文本聚类怎样进行分类操作的内容。小编觉得挺实用的,因此分享给大家做个参考。一起跟随小编过来看看吧。
VSM(向量空间模型)
