你真的会用wordcloud制作词云图吗？

前言

对于文本分析而言，大家都绕不开词云图，而python中制作词云图，又绕不开wordcloud，但我想说的是，你真的会用吗？你可能已经按照网上的教程，做出来了一张好看的词云图，但是我想今天这篇文章，绝对让你明白wordcloud背后的原理。

小试牛刀

首先你需要使用pip安装这个第三方库。接着我们简单看一下中英文制作词云有什么不同。

聪明的你会发现，中文的词云图并不是我们想要的，那是因为wordcloud并不能成功为中文进行分词。通过下面wordcloud的源代码分析，我想你就应该能弄明白了。

WordCloud源码分析

我们主要是要看WordCloud类，这里我不会把全部源代码打上来，而是主要分析制作词云的整个流程。

当我们使用generate方法时，其调用顺序是：

备注：所以制作词云时，不管你使用generate还是generate_from_text方法，其实最终都是会调用generate_from_text方法。

所以，这里最重要的就是process_text 和generate_from_frequencies函数。接下来我们就来一一讲解。

process_text函数

process_text函数其实就是对文本进行分词，然后清洗，最好返回一个分词计数的字典。我们可以尝试使用一下：

所以可以看出process_text函数是没法对中文进行好分词的。我们先不管process_text函数是怎么清洗分词的，我们就着重看看是怎么对文本进行分词的。

这里的关键就在于使用的是正则表达式进行分词（"\w[\w']+"），学过正则表达式的都知道，\w[\w]+代表的是匹配2个至多个字母，数字，中文，下划线（python正则表达式中\w可代表中文）。

所以中文没法切分，只会在各种标点符号中切分中文，这是不符合中文分词的逻辑的。但英文文本本身就是通过空格进行了分割，所以英文单词可以轻松的分词出来。

总结来说，wordcloud本身就是为了英文文本来做词云的，如果需要制作中文文本词云，就需要先对中文进行分词。

generate_from_frequencies函数

最后再简单说下这个函数，这个函数的功能就是词频归一化，创建绘图对象。

绘图这个代码很多，也不是我们今天要讲的重点，我们只需要了解到底是需要什么数据来绘制词云图，下面是词频归一化的代码，我想大家应该能看的懂。

中文文本制作词云图的正确方式

我们先通过jieba分词，用空格拼接文本，这样process_text函数就能返回正确的分词计数的字典。

当然，如果你直接就有分词计数的字典，就不需要调用generate函数，而是直接调用generate_from_frequencies函数。

总结

（1）通过process_text函数分析，wordcloud本身是对英文文本进行词云制作的第三方库。

（2）如果需要制作中文词云，就需要先通过jieba等中文分词库把中文文本分割开。

最后，上述的中文词云也并不上我们最终理想的词云，例如我，他等不需要显示出来，还有就是让词云更美化，这些内容下期再告诉你~

更多阅读