圖片來自網(wǎng)絡(luò)所謂“詞云”就是對網(wǎng)絡(luò)文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺上的突出，形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，從而過濾掉大量的文本信息，使瀏覽網(wǎng)頁者只要一眼掃過文本就可以領(lǐng)略文本的主旨。

環(huán)境準(zhǔn)備python -m pip install wordclud

python -m pip install matplotlib

python -m pip install jieba

在Windows上，如無法成功安裝，可使用已經(jīng)編譯好的二進制包，下載安裝

wordcludPython用于生成詞云的庫。

wordclud 官方文檔

屬性簡述font_path字體路徑，做中文詞云必須設(shè)置字體，否則無法顯示

width輸出的畫布寬度，默認(rèn)為400像素

height輸出的畫布高度，默認(rèn)為200像素

mask如果參數(shù)為空，則使用二維遮罩繪制詞云。如果 mask 非空，設(shè)置的寬高值將被忽略，遮罩形狀被 mask 取

min_font_size顯示的最小的字體大小

max_font_size顯示的最大的字體大小

max_words要顯示的詞的最大個數(shù)，默認(rèn)200

scale按照比例進行放大畫布，如設(shè)置為1.5，則長和寬都是原來畫布的1.5

color_func生成新顏色的函數(shù)，如果為空，則使用 self.color_fun

prefer_horizontal詞語水平方向排版出現(xiàn)的頻率，默認(rèn) 0.9 （所以詞語垂直方向排版出現(xiàn)頻率為 0.1 ）

stopwords設(shè)置需要屏蔽的詞，如果為空，則使用內(nèi)置的STOPWORDS

font_step字體步長，如果步長大于1，會加快運算但是可能導(dǎo)致結(jié)果出現(xiàn)較大的誤，默認(rèn)1

background_color背景顏色

relative_scaling詞頻和字體大小的關(guān)聯(lián)性，默認(rèn)0.5

mode當(dāng)參數(shù)為“RGBA”并且background_color不為空時，背景為透，默認(rèn)“RGB”

regexp使用正則表達式分隔輸入的文本

collocations是否包括兩個詞的搭配，默認(rèn)True

colormap給每個單詞隨機分配顏色，若指定color_func，則忽略該方法

matplotlib一個Python 2D繪圖庫。Matplotlib試圖讓簡單易事的事情成為可能。只需幾行代碼即可生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等，該庫最常用于Python數(shù)據(jù)分析的可視化。

官方文檔

最小示例from wordcloud import WordCloud

import matplotlib.pyplot as plt

with open("野性的呼喚.txt", encoding="utf-8") as file:

word_cloud = WordCloud().generate(file.read())

plt.figure() # 創(chuàng)建一個圖形實例

plt.imshow(word_cloud, interpolation='bilinear')

plt.axis("off") # 不顯示坐標(biāo)軸

plt.show()

interpolation 參數(shù)的用法

中文詞云wordcloud 對中文分詞支持不足，因此需要配合jieba分詞庫使用from wordcloud import WordCloud

import matplotlib.pyplot as plt

with open("fanrenxiuxian.txt", encoding="gbk") as file:

word_cloud = WordCloud(font_path="c:\windows\Fonts\simhei.ttf",

background_color="white",

max_words=200,

max_font_size=100,

width=1000,

height=860).generate(file.read())

plt.figure() # 創(chuàng)建一個圖形實例

plt.imshow(word_cloud, interpolation='bilinear')

plt.axis("off") # 不顯示坐標(biāo)尺寸

plt.show()

添加圖片背景效果from wordcloud import WordCloud

from wordcloud import ImageColorGenerator

from matplotlib.image import imread

import matplotlib.pyplot as plt

back_img = imread("timg.jpg")

img_colors = ImageColorGenerator(back_img)

with open("fanrenxiuxian.txt", encoding="gbk") as file:

word_cloud = WordCloud(font_path="c:\windows\Fonts\simhei.ttf",

background_color="white",

max_words=200,

max_font_size=100,

width=1920,

mask=back_img,

height=1080).generate(file.read())

word_cloud.recolor(color_func=img_colors) # 替換默認(rèn)的字體顏色

plt.figure() # 創(chuàng)建一個圖形實例

plt.imshow(word_cloud, interpolation='bilinear')

plt.axis("off") # 不顯示坐標(biāo)尺寸

plt.show()

擴展：將圖片加載的幾種方法PIL.Image.open

scipy.misc.imread

skimage.io.imread

cv2.imread

matplotlib.image.imread

jieba

特點支持三種分詞模式：精確模式，試圖將句子最精確地切開，適合文本分析；

全模式，把句子中所有的可以成詞的詞語都掃描出來, 速度非常快，但是不能解決歧義；

搜索引擎模式，在精確模式的基礎(chǔ)上，對長詞再次切分，提高召回率，適合用于搜索引擎分詞

支持繁體分詞

支持自定義詞典

MIT 授權(quán)協(xié)議

簡單示例import jieba

with open("fanrenxiuxian.txt", 'r', encoding="gbk") as file:

# jieba.enable_parallel(4) 并行運算，類unix系統(tǒng)，Windows不支持

seg_list = jieba.cut(file.read(), cut_all=False)

print("/".join(seg_list))

提取關(guān)鍵詞import jieba.analyse

# TF-IDF算法關(guān)鍵詞抽取

with open("fanrenxiuxian.txt", 'r', encoding="gbk") as file:

jieba.analyse.set_stop_words('stopwords.txt')

tags = jieba.analyse.extract_tags(file.read(), 100)

print(tags)

中文詞云實例

網(wǎng)絡(luò)上關(guān)于中文詞云的博客資料99.9%是對wordcloud官網(wǎng)示例的翻譯，我要說的是官方示例基本就是個大坑，不知道是不太放心上還是本身就是臨時工lowB程序員寫的。而國內(nèi)的博主習(xí)慣了粘貼復(fù)制，已經(jīng)喪失了獨立思考的能力，不假思索的就照搬，反正我是被坑了，用官方示例將一部《凡人修仙傳》在Windows上單線程生成詞云花了300多秒，而我經(jīng)過仔細閱讀jieba庫和wordcloud庫的API后，發(fā)現(xiàn)根本就不是官網(wǎng)示例那么個寫法，經(jīng)過我重新改造后，只需要大概60秒就能生成《凡人修仙傳》的詞云。

首先我們進入wordcloud文檔，找到 create wordcloud with chinese 這個示例，查看一下官方示例，代碼我這里就不貼了，點擊鏈接可直接跳轉(zhuǎn)第一種寫法

我們結(jié)合jieba庫，修改詞云代碼。這里使用WordCloud的stopwords參數(shù)加入停止詞，而不是像官方示例那樣去做遍歷篩選停止詞，特別是寫出if not (myword.strip() in f_stop_seg_list) and len(myword.strip()) > 1:這種低性能的代碼，就算是遍歷， len(myword.strip()) > 1也應(yīng)放在最前面去判斷，而不是把停止詞放在最前面去判斷，這樣大大的增加了時間復(fù)雜度。from wordcloud import WordCloud

from wordcloud import ImageColorGenerator

from matplotlib.image import imread

import matplotlib.pyplot as plt

import jieba, time

def get_stopwords():

with open("stopwords.txt", encoding='utf-8') as f_stop:

return f_stop.read().splitlines()

back_img = imread("timg.jpg")

img_colors = ImageColorGenerator(back_img)

with open("fanrenxiuxian.txt", encoding="gbk") as file:

stop_words = get_stopwords() # 獲取停止詞列表

seg_list = jieba.cut(file.read(), cut_all=False) # 返回一個生成器

cut_list = " ".join(seg_list)

word_cloud = WordCloud(font_path="c:\windows\Fonts\simhei.ttf",

background_color="white",

max_words=1000,

max_font_size=100,

width=1920,

stopwords=stop_words,

mask=back_img,

height=1080).generate(cut_list)

word_cloud.recolor(color_func=img_colors) # 替換默認(rèn)的字體顏色

plt.figure() # 創(chuàng)建一個圖形實例

plt.imshow(word_cloud, interpolation='bilinear')

plt.axis("off") # 不顯示坐標(biāo)尺寸

plt.show()第二種寫法

這里的第二種寫法基本就官方示例的寫法，只是略微調(diào)整了篩選停止詞時的判斷條件的順序from wordcloud import WordCloud

from wordcloud import ImageColorGenerator

from matplotlib.image import imread

import matplotlib.pyplot as plt

import jieba, time

def get_stopwords():

with open("stopwords.txt", encoding='utf-8') as f_stop:

return f_stop.read().splitlines()

back_img = imread("timg.jpg")

img_colors = ImageColorGenerator(back_img)

with open("fanrenxiuxian.txt", encoding="gbk") as file:

stop_words = get_stopwords() # 獲取停止詞列表

seg_list = jieba.cut(file.read(), cut_all=False) # 返回一個生成器

cut_list = "/".join(seg_list).split("/")

content_list = []

for word in cut_list:

if len(word.strip()) > 1 and not (word.strip() in stop_words):

content_list.append(word)

word_cloud = WordCloud(font_path="c:\windows\Fonts\simhei.ttf",

background_color="white",

max_words=200,

max_font_size=100,

width=1920,

mask=back_img,

height=1080).generate(' '.join(content_list))

word_cloud.recolor(color_func=img_colors) # 替換默認(rèn)的字體顏色

plt.figure() # 創(chuàng)建一個圖形實例

plt.imshow(word_cloud, interpolation='bilinear')

plt.axis("off") # 不顯示坐標(biāo)尺寸

plt.show()第三種寫法，最終版

這種是我推薦的做法。整個文本的分詞包括關(guān)鍵詞提取，我們都直接交給jieba庫去做就行了，WordCloud庫僅僅根據(jù)jieba庫返回的關(guān)鍵詞以及權(quán)重去生成詞云圖片就行。這里主要用到WordCloud庫的generate_from_frequencies這個函數(shù)，API文檔給出的說明是Create a word_cloud from words and frequencies.，有了這個API，不知道官方中文詞云示例為什么還寫成那樣，難道是自己的API都不清楚嗎？令人費解from wordcloud import WordCloud

from wordcloud import ImageColorGenerator

from matplotlib.image import imread

import matplotlib.pyplot as plt

import jieba.analyse

back_img = imread("timg.jpg")

img_colors = ImageColorGenerator(back_img)

with open("fanrenxiuxian.txt", encoding="gbk") as file:

jieba.analyse.set_stop_words('stopwords.txt') # 設(shè)置止詞列表

tags = jieba.analyse.extract_tags(file.read(), 1000, withWeight=True)

data = {item[0]: item[1] for item in tags}

word_cloud = WordCloud(font_path="c:\windows\Fonts\simhei.ttf",

background_color="white",

max_words=1000,

max_font_size=100,

width=1920,

mask=back_img,

height=1080).generate_from_frequencies(data)

word_cloud.recolor(color_func=img_colors) # 替換默認(rèn)的字體顏色

plt.figure() # 創(chuàng)建一個圖形實例

plt.imshow(word_cloud, interpolation='bilinear')

plt.axis("off") # 不顯示坐標(biāo)尺寸

plt.show()

簡單說一下這里的stop_words停止詞其實就是需要被過濾掉的詞，比如一篇文章中肯定有無數(shù)個“的”、“了”之類的對于詞頻而言無意義詞，根據(jù)具體需求，一些副詞、邏輯連接詞之類的也都要過濾掉，否則就會影響準(zhǔn)確性。

由于我這里停止詞沒有單獨去添加，而是用了一個通用的停止詞表，導(dǎo)致最終生成的詞云不是特別準(zhǔn)確，這個就要大家自己去小心調(diào)試了

關(guān)注個人公眾號：編程之路從0到1編程之路從0到1

總結(jié)

以上是生活随笔為你收集整理的python中文词云生成_Python 词云生成的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。