代码收藏家技术教程 2022-07-25

WordCloud词云（超详细）

WordCloud词云-学习

1. 安装 wordcloud 模块

2. wordcloud 简介

3. wordcloud 如何将文本转化为词云

4. WordCloud(<参数>)介绍

5. 词云绘制1

6. 词云绘制2

1. 安装 wordcloud 模块

网络正常情况下命令行输入pip install wordcloud,如果提示报错按以下步骤进行安装

pip install wordcloud

pip安装wordcloud过程中提示pip工具版本低,需pip-10.0.1版本，需先更新pip包管理工具：

python -m pip install --upgrade pip

pip更新到最新版本后还是安装wordcloud报错

先下载wordcloud‑1.4.1‑cp36‑cp36m‑win_amd64.whl安装包到本地目录, python为3.6.x版本的下载cp36的包，注意不要下cp37，安装不了的。

打开命令行窗口，进入到安装包所在目录位置如 D:\download
输入

pip install wordcloud-1.4.1-cp36-cp36m-win_amd64.whl

回车安装即可。

2. wordcloud 简介

wordcloud 库把词云当作一个WordCloud对象

wordcloud.WordCloud() 代表一个文本对应的词云

可以根据文本中词语出现的频率等参数绘制词云

绘制词云的形状、尺寸和颜色均可设定

以WordCloud对象为基础，配置参数、加载文本、输出文件

c = wordcloud.WordCloud()  # 配置对象参数
c.generate("wordcloud by python")  # 加载词云文本
c.to_file("pywordcloud.png")  # 输出词云文件

3. wordcloud 如何将文本转化为词云

分隔：以空格分隔单词
统计：单词出现次数并过滤
字体：根据统计配置字号
布局：颜色环境尺寸

4. WordCloud(<参数>)介绍

width：指定词云对象生成图片的宽度,默认400像素

w=wordcloud.WordCloud(width=600)

height：指定词云对象生成图片的高度,默认200像素

w=wordcloud.WordCloud(height=400)

min_font_size：指定词云中字体的最小字号，默认4号

w=wordcloud.WordCloud(min_font_size=10)

max_font_size：指定词云中字体的最大字号，根据高度自动调节

w=wordcloud.WordCloud(max_font_size=20)

font_step：指定词云中字体字号的步进间隔，默认为1

w=wordcloud.WordCloud(font_step=2)

font_path：指定文体文件的路径，默认None

w=wordcloud.WordCloud(font_path="msyh.ttc")

max_words：指定词云显示的最大单词数量,默认200

w=wordcloud.WordCloud(max_words=20)

stop_words：指定词云的排除词列表，即不显示的单词列表

w=wordcloud.WordCloud(stop_words="Python")

mask：指定词云形状，默认为长方形，需要引用imread()函数

from scipy.msc import imread

mk=imread("pic.png")
w=wordcloud.WordCloud(mask=mk)

background_color：指定词云图片的背景颜色，默认为黑色
w=wordcloud.WordCloud(background_color="white")

示例：

text = "life is short, you need python"

w = wordcloud.WordCloud(background_color="white")  # 把词云当做一个对象
w.generate(text)
w.to_file("pywordcloud2.png")

5. 词云绘制1

关于实施乡村振兴战略的意见.txt

import jieba
import imageio
from wordcloud import WordCloud

'''
jieba支持三种分词模式：
    精确模式lcut()，试图将句子最精确地切开，适合文本分析，单词无冗余；
    全模式lcut(s, cut_all=True) ，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义，存在冗余；
    搜索引擎模式cut_for_search(s)，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。
'''

with open("关于实施乡村振兴战略的意见.txt", "r") as f:
    allSentence = f.read()

print(allSentence)

re_move = ['，', '。', '\n', '\xa0', '-', '(', ')']  # 无效数据

# 去除无关数据
for i in re_move:
    allSentence = allSentence.replace(i, "")

pureWord = jieba.lcut(allSentence)

with open("pureRuralRevitalieztion.txt", "w") as f:
     for i in pureWord:
         f.write(str(i)+" ")  # == ' '.join(pureWord)，以空格拼接list中元素

with open("pureRuralRevitalieztion.txt", "r") as f:
    pureWord = f.read()

# 获取一张背景图片
mask = imageio.imread("chinamap.jpg")
word = WordCloud(background_color="white",\
                    width=800,\
                   height=800,
                   font_path='simhei.ttf',
                   mask=mask,
                   ).generate(pureWord)

word.to_file('乡村振兴词云.png')

# with open("pureRuralRevitalieztion.txt", "w") as f:
#     for i in pureWord:
#         f.write(i+" ")
#
#
# c = wordcloud.WordCloud()  # 配置对象参数
# c.generate(allSentence)
# c.to_file("ruralRevitalieztion.png")

6. 词云绘制2

新时代中国特色社会主义.txt

import jieba
import imageio
from wordcloud import WordCloud

with open("新时代中国特色社会主义.txt", "r") as f:
    allSentence = f.read()

print(allSentence)

re_move = ['，', '。', '\n', '\xa0', '-', '(', ')']  # 无效数据

# 去除无关数据
for i in re_move:
    allSentence = allSentence.replace(i, "")

pureWord = jieba.lcut(allSentence)

with open("pureChinaDevelop.txt", "w") as f:
     for i in pureWord:
         f.write(str(i)+" ")

with open("pureChinaDevelop.txt", "r") as f:
    pureWord = f.read()

mask = imageio.imread("chinamap.jpg")
word = WordCloud(background_color="black",
                   width=800,
                   height=800,
                   font_path='simhei.ttf',
                   mask=mask,
                   ).generate(pureWord)

word.to_file('新时代中国词云.png')