怎么制作词云图？

WEBJ2EE

发布于 2024-03-22 14:00:54

1470

发布于 2024-03-22 14:00:54

文章被收录于专栏：WebJ2EEWebJ2EE

词云

词云，又称文字云，是一种将文本数据中的关键词通过视觉图形表现的方式。例如：

wordcloud

使用 Python 环境下的 wordcloud 工具，就能方便地生成词云图（感谢开源社区！🎉️ ）。

下图就是用小说《斗破苍穹》中两个章节的内容，生成的词云图😄。

实战

【1】安装 Python 依赖。

中文词云图的制作主要用到下面几个工具：

wordcloud：词云生成
jieba：中文分词
PIL：图像处理库
numpy

pip install wordcloud
pip install jieba

【2】准备用于生成词云的素材文本。

本文采用小说《斗破苍穹》中两个章节的内容作为生成词云图的素材。

【3】使用 jieba 对素材文本进行分词，形成词汇文本。

（PS：词云嘛...用“词”构造的云，但中文句子中的词汇没有明显分隔，所以需要分词。👀️ ）

（PS：如果你使用英文素材，那就不需要再分词，因为英文句子中的词汇自然分隔。🚀️ ）

import jieba
import re
with open('dpcq.txt', encoding='utf-8') as f:
    mytext = f.read()
    mytext = re.sub(r'[\n？“”：…！，。.]', '', mytext)
    mytext = " ".join(jieba.cut(mytext))

（PS：显然素材中的换行、中文标点等符号不应该生成到词云中，我们采用正则表达式将它们删除。）

【4】准备用做词云形状的蒙版（mask）素材。

（PS：选用这种高比对度的剪影图，后面麻烦事会少一些）

import numpy as np
from PIL import Image 
mask = np.array(Image.open('cat.jpg'));

【5】使用 wordcloud 构造词云并生成词云图。

（PS：除了标点符号外、还有一类词汇出现频率很高，但没有什么意义，例如助词、代词、连词等。这些词就是停用词，我们也不希望它们出现在词云中，可以通过 stopwords 参数告知 wordcloud 哪些是停用词）

from wordcloud import WordCloud

stopwords = {'的', '和', '是', '都', '而', '就',
    '都', '而', '或', '如', '以', '我',
    '你', '他', '她', '它', '们', '它们',
    '我们', '你们', '他们', '她们', '的',
    '了', '着', '有', '无', '不', '么', '在', 
    '也', '让', '吧', '这', '啊', '有些', '不过', 
    '还', '那', '对', '道', '得'}

wc = WordCloud(
    font_path='msyhl.ttc',
    mask=mask,
    background_color="white",
    stopwords=stopwords,
    repeat=True
).generate(mytext)

wc.to_file('cloud.jpg')

（PS：wordcloud 默认不支持中文符号的展示，我们需要通过 font_path 参数指定一个中文字体。）

【6】使用 matplotlib 绘制词云图

%matplotlib inline
import matplotlib.pyplot as plt
plt.axis('off')
plt.imshow(wc, interpolation='bilinear')

参考

wordcloud
- python仓库：https://pypi.org/project/wordcloud/
- 说明文档：https://amueller.github.io/word_cloud/
- git仓库：https://github.com/amueller/word_cloud
图片处理
- 背景消除：https://pixian.ai/

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2024-03-20，如有侵权请联系 cloudcommunity@tencent.com 删除

数据