当前位置：文档之家 › WordCloud 中英文词云图绘制,看这一篇就够了

WordCloud 中英文词云图绘制,看这一篇就够了

  • 格式：docx
  • 大小：3.20 MB
  • 文档页数：15

作者 | 苏克1900

来源 | 高级农民工

原文 |

摘要： 当我们手中有一篇文档，比如书籍、小说、电影剧本，若想快速了解其主要内容是什么，则可以采用绘制 WordCloud 词云图，显示主要的关键词（高频词）这种方式，非常方便。本文将介绍常见的英文和中文文本的词云图绘制，以及 Frequency 频词频词云图。

接下来，将详细说明各种形式的词云图绘制步骤。 1. 英文词云

我们先绘制英文文本的词云图，因为它相对简单一些。这里以《海上钢琴师》这部电影的剧本为例。

首先，准备好电影剧本的文本文件（如下图）：

接下来，我们绘制一个最简单的矩形词云图，代码如下：

1import os 2from os import path 3from wordcloud import WordCloud 4from matplotlib import

pyplot as plt 5# 获取当前文件路径 6d = path.dirname(__file__) if "__file__" in locals() else

os.getcwd() 7# 获取文本text 8text = open(path.join(d'legend1900.txt')).read() 9# 生成词云 10wc =

WordCloud(scale=2max_font_size = 100) 11wc.generate_from_text(text) 12# 显示图像

13plt.imshow(wcinterpolation='bilinear') 14plt.axis('off') 15plt.tight_layout() 16#存储图像

17wc.to_file('1900_basic.png') 18# or 19# plt.savefig('1900_basic.png'dpi=200) 20plt.show()

这里，通过 open() 方法读取文本文件，然后在 WordCloud 方法中设置了词云参数，再利用

generate_from_text() 方法生成该电影剧本的词云，最后显示和保存词云图。十几行代码就可以生成最简单的词云图：

通过上面的词云图，你可能会发现有几点问题：

• 可不可以更换背景，比如白色？

• 词云图能不能换成其他形状或者图片？

• 词云中最显眼的词汇 「ONE」，并没有实际含义，能不能去掉？

以上这些都是可以更改的，如果你想实现以上想法，那么需要先了解一下 WordCloud 的API

参数及它的一些方法。

这里，我们列出它的各项参数，并注释重要的几项：

1wordcloud.WordCloud( 2 font_path=None # 字体路径，英文不用设置路径，中文需要，否则无法正确显示图形 3 width=400 # 默认宽度 4 height=200 # 默认高度 5 margin=2 # 边缘

6 ranks_only=None 7 prefer_horizontal=0.9 8 mask=None # 背景图形，如果想根据图片绘制，则需要设置 9 scale=1 10 color_func=None 11 max_words=200 # 最多显示的词汇量 12

min_font_size=4 # 最小字号 13 stopwords=None # 停止词设置，修正词云图时需要设置 14

random_state=None 15 background_color='black' # 背景颜色设置，可以为具体颜色比如white或者16进制数值 16 max_font_size=None # 最大字号 17 font_step=1 18 mode='RGB' 19

relative_scaling='auto' 20 regexp=None 21 collocations=True 22 colormap='viridis' #

matplotlib 色图，可更改名称进而更改整体风格 23 normalize_plurals=True 24

contour_width=0 25 contour_color='black' 26 repeat=False)

关于更详细的用法，你需要到官网了解。

了解了各项参数后，我们就可以自定义想要的词云图了。比如更换一下背景颜色和整体风格，就可以通过修改以下几项参数实现：

1wc = WordCloud( 2 scale=2# 缩放2倍 3 max_font_size = 100 4 background_color =

'#383838'# 灰色 5 colormap = 'Blues') 6# colormap名称

https:///examples/color/colormaps_reference.html

结果如下：

接下来，我们提升一点难度，通过设置 StopWords 去掉没有实际意义的「ONE」字符，然后将词云图绘制在我们自定义的一张图片上。

代码实现如下：

1import os 2from os import path 3import numpy as np 4from wordcloud import

WordCloudSTOPWORDSImageColorGenerator 5from PIL import Image 6from matplotlib import

pyplot as plt 7from scipy.misc import imread 8import random 9 10def wc_english(): 11 # 获取当前文件路径 12 d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() 13 # 获取文本text 14 text = open(path.join(d'legend1900.txt')).read() 15 # 读取背景图片 16 background_Image = np.array(Image.open(path.join(d "mask1900.jpg"))) 17 # or 18 #

background_Image = imread(path.join(d "mask1900.jpg")) 19 # 提取背景图片颜色 20

img_colors = ImageColorGenerator(background_Image) 21 # 设置英文停止词 22 stopwords =

set(STOPWORDS) 23 wc = WordCloud( 24 margin = 2 # 设置页面边缘 25 mask =

background_Image 26 scale = 2 27 max_words = 200 # 最多词个数 28 min_font_size

= 4 # 最小字体大小 29 stopwords = stopwords 30 random_state = 42 31

background_color = 'white' # 背景颜色 32 max_font_size = 150 # 最大字体大小 33 ) 34

# 生成词云 35 wc.generate_from_text(text) 36 # 等价于 37 # wc.generate(text) 38 # 根据图片色设置背景色 39 wc.recolor(color_func=img_colors) 40 #存储图像 41

wc.to_file('1900pro1.png') 42 # 显示图像 43 plt.imshow(wcinterpolation='bilinear') 44

plt.axis('off') 45 plt.tight_layout() 46 plt.show()

这里，首先通过 open() 方法读取文本文件，Image.open() 方法读取了背景图片，np.array 方法将图片转换为矩阵。

接着设置了词云自带的英文 StopWords 停止词，用来分割筛除文本中不需要的词汇，比如：a、an、the 这些。

然后，在 WordCloud 方法中，设置词云的具体参数。generate_from_text() 方法生成该词云，recolor() 则是根据图片色彩绘制词云文字颜色。最终的词云绘制效果如下：

现在，我们还是看到了显眼的「ONE」，下面我们将它去除掉，方法也很简单，几行代码就可以实现：

1# 获取文本词排序，可调整 stopwords 2process_word = WordCloud.process_text(wctext) 3sort =

sorted(process_word.items()key=lambda e:e[1]reverse=True) 4print(sort[:50]) # 获取文本词频最高的前50个词 5# 结果 6[('one' 60) ('ship' 47) ('Nineteen Hundred' 43) ('know' 38) ('music' 36) ...] 7

8stopwords = set(STOPWORDS) 9stopwords.add('one')

首先，我们对文本词频进行排序，可以看到 「ONE」词频最高，就将它添加进 stopwords 中，这样就可以屏蔽该词从而不在词云中显示。

需要注意的是，这种手动添加停止词的方法适用于词数量比较少的情况。

另外，我们还可以将词云图颜色显示为黑白渐变色，也只需修改几行代码即可：

1def grey_color_func(word font_size position orientation random_state=None 2

**kwargs): 3 return "hsl(0 0%% %d%%)" % random.randint(50 100) 4 # 随机设置hsl色值 5wc.recolor(color_func=grey_color_func)

效果如下：

以上，就是英文词云图绘制的几种方法，下面我们介绍中文词云图的绘制。

2. 中文词云

相比于英文词云，中文在绘制词云图前，需要先切割词汇，这里推荐使用 jieba 包来切割分词。因为它可以说是最好的中文分词包了，GitHub 上拥有 160 K 的 Star 数。安装好 jieba 包后，我们就可以对文本进行分词然后生成词云。

合集下载

数据可视化实战之词云

数据可视化实战之词云

数据可视化实战之词云

如何制作词云

Python 提供了词云⼯具 WordCloud，使⽤ pip install wordcloud 安装后，就可以创建⼀个词云，构造⽅法如下：

wc = WordCloud(

background_color='white',# 设置背景颜⾊

mask=backgroud_Image,# 设置背景图⽚

font_path='./SimHei.ttf', # 设置字体，针对中⽂的情况需要设置中⽂字体，否则显⽰乱码

max_words=100, # 设置最⼤的字数

stopwords=STOPWORDS,# 设置停⽤词

max_font_size=150,# 设置字体最⼤值

width=2000,# 设置画布的宽度

height=1200,# 设置画布的⾼度

random_state=30# 设置多少种随机状态，即多少种颜⾊

)

创建好 WordCloud 类之后，就可以使⽤ wordcloud=generate(text) ⽅法⽣成词云，传⼊的参数 text 代表你要分析的⽂本，最后使⽤ wordcloud.tofile(“a.jpg”) 函数，将得到的词云

图像直接保存为图⽚格式⽂件。

你也可以使⽤ Python 的可视化⼯具 Matplotlib 进⾏显⽰，⽅法如下：

import matplotlib.pyplot as plt

plt.imshow(wordcloud)

plt.axis("off") # 关闭坐标轴

plt.show()

⼀个⼩例⼦：

#-*- coding:utf-8 -*-

from wordcloud import WordCloud

import matplotlib.pyplot as plt

import jieba

from PIL import Image

import numpy as np

# ⽣成词云

def create_word_cloud(f):

print('根据词频计算词云')

Python词云可视化

Python词云可视化

Python词云可视化

最近看到不少公众号都有⼀些词云图，于是想学习⼀下使⽤Python⽣成可视化的词云，上B站搜索教程的时候，发现了⼀位UP讲的很不错，UP也给出了GitHub上的源码，是⼀

个很不错的教程，这篇博客主要就是搬运UP主的教程吧，做⼀些笔记，留着以后看。

本课概要

词云是⽂本⼤数据可视化的重要⽅式，可以将⼤段⽂本中的关键语句和词汇⾼亮展⽰。

从四⾏代码开始，⼀步步教你做出⾼⼤上的词云图⽚，可视化⽣动直观展⽰出枯燥⽂字背后的核⼼概念。进⼀步实现修改字体、字号、背景颜⾊、词云形状、勾勒边框、颜⾊渐

变、分类填⾊、情感分析等⾼级玩法。

学完本课之后，你可以将四⼤名著、古典诗词、时事新闻、法律法规、政府报告、⼩说诗歌等⼤段⽂本做成⾼⼤上的可视化词云，还可以将你的微信好友个性签名导出，看看你

微信好友的“画风”是怎样的。

从远古⼭洞壁画到微信表情包，⼈类千百年来始终都是懒惰的视觉动物。连篇累牍的⼤段⽂本会让⼈感到枯燥乏味。在这个“颜值即正义”的时代，⼤数据更需要“颜值”才能展现数

据挖掘的魅⼒。

对于编程⼩⽩，学会此技可以玩转⽂本，⼊门中⽂分词、情感分析。对于编程⾼⼿，通过本课可以进⼀步熟悉Python的开源社区、计算⽣态、⾯向对象，⾃定义⾃⼰专属风格的

词云。词云的应⽤场景会议记录海报制作

PPT制作⽣⽇表⽩数据挖掘情感分析⽤户画像微信聊天记录分析微博情感分析

Bilibili弹幕情感分析

年终总结

安装本课程所需的Python第三⽅模块

⼀⾏命令安装（推荐，适⽤于99.999%的情况）

打开命令⾏，输⼊下⾯这⾏命令，回车执⾏即可。

pip install numpy matplotlib pillow wordcloud imageio jieba snownlp itchat -i https:///simple

如果安装过程中报错（0.001%会发⽣）

如果报错：Microsoft Visual C++ 14.0 is required.

Python数据挖掘：WordCloud词云配置过程及词频分析

Python数据挖掘：WordCloud词云配置过程及词频分析

Python 数据挖掘：WordCloud 词云配置过程及词频

分析

这篇文章是学习了老曹的微信直播，感觉 WordCloud 对我的《Python 数

据挖掘课程》非常有帮助，希望这篇基础文章对你有所帮助，同时自己也是

词云的初学者，强烈推荐老曹的博客供大家学习。如果文章中存在不足或错

误的地方，还请海涵~

一. 安装 WordCloud

在使用 WordCloud 词云之前，需要使用 pip 安装相应的包。

pip install WordCloud

pip install jieba

其中 WordCloud 是词云，jieba 是结巴分词工具。 问题：在安装

WordCloud 过程中，你可能遇到的第一个错误如下。

绝！用Excel做词云图，真的惊艳到我了！

绝！用Excel做词云图，真的惊艳到我了！

绝！⽤Excel做词云图，真的惊艳到我了！

发送【计划】

本⽂作者：⼩爽本⽂编辑：雅梨⼦、竺兰

⼤家好，我是学着起标题的⼩爽~

对于新媒体⾏业的打⼯⼈来说，他们经常需要给⽂章起标题。

但是从业初期，作为⼀名⼩⽩，每次起标题就感觉头⼤，灵感接近枯竭。

好的标题是⽂章成功的⼀半，要学会起标题，我们可以先研究⼀下别的公众号是怎么做的。

⽐如说，秋叶 Excel。

所以，我爬取了 2018 到 2021 年秋叶 Excel 公众号的所有标题，进⾏词频统计分析。

前期，我们需要准备好标题和词库表。

标题列表：

词库表：

话不多说，我们先来看看函数⽅法。

函数法

󰀀 具体操作：

❶ 先将标题进⾏合并，同时将内容中的字母全部转为⼤写。

（由于标题中的函数名称既有⼤写，⼜有⼩写，所以我把所有的内容都转换为⼤写，⽅便后续统计。）

公式如下：=UPPER(CONCAT(A2:A578))CONCAT 函数是⽤来合并数据的；UPPER 函数是⽤来将⽂本全部转换为⼤写的。

❷ 统计次数。

标题内容合并完了，接下来，就是进⾏词频统计了，我们先来看看函数公式。

公式如下：=(LEN($G$2)-LEN(SUBSTITUTE(G$2,UPPER(D2),'')))/LEN(D2)=(LEN($G$2)-LEN(SUBSTITUTE(G$2,UPPER(D2),'')))/LEN(D2)▲ 左右滑动查看SUBSTITUTE 函数是⼀个替换函数，它能够将⽂本中旧字符串替换为新字符串。

这⾥使⽤这个函数的⽬的是，将⽂本中包含词语的内容全部替换为空。=substitute(⽂本,旧字符,新字符串)=SUBSTITUTE($G$2,UPPER(D2),'')其中，G2 单元格是前⾯合并后的⽂本内容，由于公式后⾯需要填充，所以这⾥需要绝对引⽤。UPPER 函数就是将词语的字母全部转为⼤写字母，主要为了跟前⾯⽂本内容全部转换为⼤写字母进⾏统⼀。LEN 函数是⽤来计算⽂本长度的：LEN(⽂本)-LEN(⽂本中将词语替换为空后)=该词语的总个数总次数=总字数/LEN(词语)