[Python] 한글 유니코드 4 - cc_glob_draw.py, cc_han_glob_draw.py / 한글 개수 세기, bar 로 그리기

cc_glob_draw.py

 import glob

 def read_all(file_list):
     data = []
     for f in file_list:
         ifile = open(f, 'r', encoding='utf-8')
         data += ifile.read()
         ifile.close()
     return data



 #print(all_data)
 #add codes for counting all words
 from collections import Counter
 def counts(data, top=10):
     wc_list = Counter(data).most_common(top)
     w_list, c_list = zip(*wc_list)
     return w_list, c_list

 f_list = glob.glob('news_data/*.txt')
 all_data=read_all(f_list)
 wlist, clist = counts(all_data)
 #print(wlist)
 #print(clist)

 # bar 로 jpg 파일 그리기
 from draw_bar import draw_bar
 from Han_fonts import set_Han_font
 set_Han_font()
 draw_bar(wlist, clist, filename)

read_all() :  각 파일들의 데이터 data 에 다 저장하기

counts() :  상위 10개의 가장 많이 나온 글자의 리스트를 w_list 로 반환해주고 c_list 는 개수를 반환해준다.

그리고 draw_bar 를  import 해서 그려준다.

 

draw_bar.py 

import matplotlib.pyplot as plt

def draw_bar(w_list,c_list, figname='bar_of_counts.jpg'):
    plt.bar(w_list,c_list,width=0.5)
    plt.ylabel('counts')
    plt.title('# of w(i)')
    plt.savefig(figname)
    plt.show()

if __name__ == "__main__":
    xaxis =['w1','w2','w3','w4','w5']
    yaxis=[1,3,5,7,9]
    draw_bar(xaxis,yaxis)

 

이제 여러 변형이 가능하다.

글자가 한글인 경우에만 count 하도록 만들어주기

cl_han_glob_draw.py

 import glob
 from collections import Counter
 from draw_bar import draw_bar
 from Han_fonts import set_Han_font
 from Hangul import *

 def read_all(file_list):
     data = []
     for f in file_list:
         ifile = open(f, 'r', encoding='utf-8')
         data += ifile.read()
         ifile.close()
     return data

 #print(all_data)
 #add codes for counting all words
 def counts(data, top=10):
     wc_list = Counter(data).most_common(top)
     w_list, c_list = zip(*wc_list)
     return w_list, c_list
 def is_hangul_chr(char):
     #'가' ~ '힣'
     if 0xac00 <= ord(char) <= 0xd7ac : return True
     return False


 f_list = glob.glob('news_data/*.txt')
 all_data=read_all(f_list)
 all_han_data = [sylla for sylla in all_data if is_hangul_chr(sylla) ]
 h = Hangul()
 all_han_letters = [letter for sylla in all_han_data for letter in h.decompose(sylla)]
 #all_han_letters = [letter for sylla in all_han_data for letter in h.decompose(sylla) if letter != '']
 wlist, clist = counts(all_han_letters)
 #print(wlist)
 #print(clist)
 set_Han_font()
 draw_bar(wlist, clist, 'han_syllables.jpg')

all_data[] 는 모든 데이터 한 글자씩 저장된 리스트이다.

all_han_letters 은 두가지가 있다.

위는 한글인 경우 한글자씩 다시 저장하는 것이고

아래는 한글이고 공백이 아닌 경우 decompose 해서 자음,모음,종성으로 구분해서 담는 것이다.

첫번째 결과와 두번째 결과는 다음과 같다.