python 10行代码生成词云图片（基础词云、形状词云）

一、词云简介

词云，也称为文本云或标签云。在词云图片中，关键词在文本中出现的次数越多，则表示该词越重要，其在词云中所占面积区域也越大，出现次数越少，所占面积越小。词云可任意更换背景为白色的图形以改变词云形状。

二、WordCloud原理简介

wordcloud的原理比较好理解，大致为：

1. 首先对文本数据进行分词，使用process_text()方法
2. 接着计算每个词在文本中的出现频率，生成一个字典。词频用于确定一个词的重要性，即词云文件中词语的显示大小。
3. 然后根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap 是该词云的数据可视化方式的核心。生成词的颜色、位置、方向等。
4. 最后将词按对应的词频在词云画布上生成图片，核心方法是generate_from_frequencies,不论是generate（）还是generate_from_text（）都最终用到generate_from_frequencies
5. 完成词云上各词的着色,默认是随机着色，通过调用to_file()完成词云文件的保存。

参考：https://wwwblogs/jasonhaven/p/7596799.html?ivk_sa=1024320u

三、WordCloud参数

font_path	字体路径	string,如font_path='msyh.ttc'
mask	绘制的词云形状	nd-array/None,default=None,如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被mask取代。全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。
width	画布宽度	int，default=400
height	画布高度	int，default=200
background_color	背景颜色	default="black"，如background_color='white',背景颜色为白色
max_words	词的最大个数	number，default=200
stopwords	需要过滤掉的词	如果为空，则使用内置的stopwords
prefer_horizontal	单词水平方向排版出现频率	float,default=0.9,则词语垂直方向排版出现频率为 0.1
scale	按照比例进行放大画布	float，default=1，如设置为1.5，则长和宽都是原来画布的1.5倍
min_font_size	显示最小字体大小	default=4
max_font_size	显示最大字体大小	int/None,default=None
font_step	字体大小迭代步长	int，default=1，若步长大于1，会加快运算但是可能导致结果出现较大的误差
mode	背景	string，default="RGB"，当参数为"RGBA"并且background_color为None时，背景为透明
relative_scaling	单词频率对其字体大小的权重	float,一般设置为0.5
color_func	颜色函数	default=None
regexp	使用正则表达式分隔输入的文本	string or None (optional),默认为 r"\w[\w']+"
random_state	每个单词返回一个PIL颜色
collocations	是否包括二元词组	bool, default=True
colormap	对每个词随机分配颜色	default="viridis",若指定color_func，则忽略该方法
normalize_plurals	移除单词末尾的's'	bool，default=True

四、使用步骤

安装相应的第三方库：

pip install wordcloud

pip install jieba

pip install matplotlib

因为wordcloud里的process_text函数是针对英文进行分词的，无法对中文更好地分词，只在各种标点符号中切分中文，显然这并不是我们想要的效果，所以我们若要生成中文的词云，需要先对中文文本进行分词再调用相应的函数。 分词操作： 通过jieba分词，用空格拼接词语字符串，process_text函数就能返回正确的分词计数的字典。

五、python代码

1、基础词云，参考代码如下：

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt

text = '用python制作词云，生成词云图片，只用10行python代码生成词云'
cut_word = " ".join(jieba.cut(text))

wc = WordCloud(font_path = r'/msyh.ttc')
wc.generate(cut_word)

plt.imshow(wc)
plt.axis("off") # 不显示坐标轴
plt.show()

词云展示：

备注：增加停用词处理，效果会更好，可参考以下形状词云代码。

2、形状词云，参考代码如下：

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image


# 读取文本
with open("./data/sentences.txt",encoding="utf-8") as f:
sentence = f.read()
print(sentence)
sentence_cut = jieba.lcut(sentence) # 生成分词列表
text = ' '.join(sentence_cut) # 以空格连接字符串

#获取停用词 去掉不需要显示的词
stopwords_path = 'data/stopwords.txt'
stopwords = [line.strip() for line in open(stopwords_path,'r',encoding='utf-8').readlines()]

# 读入背景图片
img = Image.open("./monkey2.jpg") # 打开遮罩图片
mask = np.array(img) #将图片转换为数组

wc = WordCloud(font_path="msyh.ttc",
   mask=mask,
   width = 1000,
   height = 700,
   background_color='white',
   max_words=200,
   stopwords=sentence).generate(text)

# 以下代码显示图片
plt.imshow(wc, interpolation='bilinear')# 用plt显示图片
plt.axis("off") # 不显示坐标轴
plt.show()
# wc.to_file("wordcloud2.png") # 保存为本地图片

注意：调用generate和generate_from_text两种方法一样，最终都是会调用generate_from_text方法。

使用的形状原图：

​​​​​​​

词云生成结果：

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn/kerry_55/article/details/122090231