目录
- 项目背景
- 项目实操
- 一、一般词云绘制
- 二、根据词频绘制词云
- 结 语
项目背景
虽然现在已经有很多现成的制作词云图的工具了，但一般存在以下几个问题：
问题一：工具太多，眼花缭乱，质量参差不齐，选择困难症；
问题二：大多词云工具或多或少有一些限制，自定义的空间有限；
问题三：有些工具甚至收费。
基于以上几个问题，觉得有必要写一篇Python绘制词云图的文章，因为实在太简单！没有任何编程基础的小白都能搞定的事，还找什么工具啊！
OK，FINE。咱不废话，直接实操。
项目实操
一、一般词云绘制
制作词云图首先得有词吧，词从哪来，迪迪想了半天硬是没想出来。既然没思路，那就拿过气的后浪软文玩一玩吧，对于后浪大家褒贬不一，迪迪也不敢妄加评论。
首先，咱们把后浪全文保存为HL.txt，截取部分，长这样：
接着，下载并导入制作词云所需的库，各个库的功能都有注释。
import jieba #结巴分词 from wordcloud import WordCloud #词云展示库 from PIL import Image #图像处理库 import numpy as np #支持多维数组和矩阵运算 import matplotlib.pyplot as plt #图像展示库
然后，把HL.txt的内容读出来。
# 读取文本内容
with open('HL.txt','r',encoding="UTF-8") as f:
file = f.read() #将文本读取为整个字符串，readlines可以按行读取
紧接着，咱们需要把读取的整个字符串分成一个个的词，jieba出征，寸草不生。
#进行分词 data_cut =jieba.cut(file,cut_all = False) #精确模式分词
分完词后发现，什么逗号啊、分号啊、句号啊也作为单独的词全出来了，那可不行，咱得想办法stop它们。 构建停词表，把看不惯的词remove掉，没错，我不喜欢口口声声的我们你们啥的。
stop_words = ["，","。",";","、","我们","你们"] #自定义停词列表
当然，有朋友会说，你这是因为文本内容少，自己搞个停词表方便，可要是成千上万的文本你这点停词肯定不够用啊。OK，那咱们百度下停词表，随便download一个，保存为stopwords.txt。stopwords.txt共有1893个常用停词，长这样：
有了停词表，咱得用Python读出来。
stop_words = [] #创建空列表
with open("stopwords.txt", 'r', encoding='utf-8') as f:
for line in f:
if len(line)>0:
stop_words.append(line.strip()) #把停词追加到stop_words列表中
停词准备好了，接下来就是remove停词，拿到我们需要的词了。
data_result = [i for i in data_cut if i not in stop_words] #获取需要的词
print一下data_result，长这样：
这可不行，咱们需要的是由一个个词构成的字符串。因此，需要用join函数以空格分隔并将所有词连接成一个新的字符串。replace在这表示将换行（\n）符替换为空。
text = " ".join(data_result).replace("\n","") #连接成字符串
print(text)
咱们打印一下text看效果：
词有了，可以开始设计词云图，由于所有词都是中文，而WordCloud默认不支持中文，摔！咱还得指定字体文件路径，否则会出现乱码。迪迪毕竟学欧体过来的，于是找了个小楷字体，你可以根据自己的喜好设置不同的字体，网上免费字体一大堆。
wc = WordCloud(
#设置字体，不指定就会出现乱码,这个字体文件需要下载
font_path = "演示悠然小楷.ttf",
background_color = "black",
max_words = 5000,
)
配置好之后，咱生成图片并展示出来。
# 生成词云图
wc.generate(text)
# 保存词云图
wc.to_file("IMJG.jpg") #保存图片
# 展示
plt.imshow(wc) #对图片进行处理，并显示其格式
plt.axis("off") #关闭坐标轴
plt.show() #将图片显示出来
效果如下：
到这，你可能以为迪迪准备写结语了。不好意思，还没完，咱们的目标可不能局限在这，在诗和远方，哦不，是定制属于自己的词云图。 迪迪准备给词云加个自定义的底图，让词云看起来更形象些。想了很久，不知道用什么图合适。于是迪迪打开了好久没用的Photoshop cc，绘制了一个你用美图秀秀都能做的比我好看的png。
我把这张图片命名为JG.png，并用Image方法打开。
#用Image方法打开图片
images = np.array(Image.open("JG.png"))
把images配置到词云wc中去，传给参数mask。
wc = WordCloud(
#设置字体，不指定就会出现乱码,这个字体文件需要下载
font_path = "演示悠然小楷.ttf",
background_color = "black",
max_words = 5000,
mask=images
)
重新生成并保存下词云图，效果如下：
哈哈，略丑。朋友们有兴趣可以自己做个底图或者网上download一个底图试试，底图尽量清晰、颜色尽量突出就好啦。
还有朋友可能会问为啥我文章开头的词云图是一个个句子，这里一并说明下，因为读取HL.txt的时候用的是readlines啊~
二、根据词频绘制词云
一般的词云制作用以上方法就可以啦，但现实生活中我们的需求可能更为复杂，根据词频绘制词云图的案例也更为多见。以下就是J哥经常用到的一个实战案例，开源代码奉上。
大致思路是从Mysql数据库中提取上万条交易记录，用sql语句把交易规模前100的品牌select出来，然后根据各个品牌交易规模的大小制作词云，文字越大的表示交易规模越大。
#-*- coding = uft-8 -*-
#@Time : 2020/5/23 10:30 上午
#@Author : 我是J哥
#@File : my_wordcloud.py
#给定词频制作词云图
from matplotlib import pyplot as plt #绘图，数据可视化
from wordcloud import WordCloud #词云
from PIL import Image #图片处理
import numpy as np #矩阵运算
import pymysql #数据库
import pandas as pd #数据处理
#准备词云所需文字（词）
conn = pymysql.connect(host="localhost", user="你的", passwd="你的", db="test", port=3306, charset="utf8")
cur = conn.cursor()
sql = "select brand as name,round(sum(jine)/10000,0) as value from Sc_month4 group by name order by value desc limit 100;"
df = pd.read_sql(sql, conn)
print(df)
name = list(df.name) #词
value = df.value # 词的频率
dic = dict(zip(name, value)) # 词频以字典形式存储
#print(dic)
cur.close()
conn.close()
img = Image.open("tree.png")
img_arry = np.array(img)
wc = WordCloud(
background_color="white",
mask=img_arry,
max_words=1000,
max_font_size=500,
#font_path="演示悠然小楷.ttf"
#font_path="有字库龙藏体.ttf"
font_path="演示悠然小楷.ttf"
)
wc.generate_from_frequencies(dic) #以词频生成词云
#绘制图片
fig = plt.figure(1)
plt.imshow(wc)
plt.axis("off")
plt.show()
#输出词云图片到文件
plt.savefig("JGJG.jpg",dpi=400)
生成的词云图长这样：
结 语
整体来看，Python制作词云图还是很简单的，代码清晰，代码量也少，很适合新手入门尝鲜。当然，要想呈现良好的词云效果，前提是你的数据是干净整洁的，因此数据清洗的知识必须掌握。
评论(0)