項(xiàng)目背景

雖然現(xiàn)在已經(jīng)有很多現(xiàn)成的制作詞云圖的工具了，但一般存在以下幾個(gè)問(wèn)題：

問(wèn)題一：工具太多，眼花繚亂，質(zhì)量參差不齊，選擇困難癥；

問(wèn)題二：大多詞云工具或多或少有一些限制，自定義的空間有限；

問(wèn)題三：有些工具甚至收費(fèi)。

基于以上幾個(gè)問(wèn)題，覺(jué)得有必要寫(xiě)一篇Python繪制詞云圖的文章，因?yàn)閷?shí)在太簡(jiǎn)單！沒(méi)有任何編程基礎(chǔ)的小白都能搞定的事，還找什么工具??！

OK，F(xiàn)INE。咱不廢話，直接實(shí)操。

項(xiàng)目實(shí)操

一、一般詞云繪制

制作詞云圖首先得有詞吧，詞從哪來(lái)，迪迪想了半天硬是沒(méi)想出來(lái)。既然沒(méi)思路，那就拿過(guò)氣的后浪軟文玩一玩吧，對(duì)于后浪大家褒貶不一，迪迪也不敢妄加評(píng)論。

首先，咱們把后浪全文保存為HL.txt，截取部分，長(zhǎng)這樣：

接著，下載并導(dǎo)入制作詞云所需的庫(kù)，各個(gè)庫(kù)的功能都有注釋。

import jieba  #結(jié)巴分詞
from wordcloud import WordCloud  #詞云展示庫(kù)
from PIL import Image  #圖像處理庫(kù)
import numpy as np  #支持多維數(shù)組和矩陣運(yùn)算
import matplotlib.pyplot as plt  #圖像展示庫(kù)

然后，把HL.txt的內(nèi)容讀出來(lái)。

# 讀取文本內(nèi)容
with open('HL.txt','r',encoding="UTF-8") as f:
    file = f.read()  #將文本讀取為整個(gè)字符串，readlines可以按行讀取

緊接著，咱們需要把讀取的整個(gè)字符串分成一個(gè)個(gè)的詞，jieba出征，寸草不生。

#進(jìn)行分詞
data_cut =jieba.cut(file,cut_all = False) #精確模式分詞

分完詞后發(fā)現(xiàn)，什么逗號(hào)啊、分號(hào)啊、句號(hào)啊也作為單獨(dú)的詞全出來(lái)了，那可不行，咱得想辦法stop它們。 構(gòu)建停詞表，把看不慣的詞remove掉，沒(méi)錯(cuò)，我不喜歡口口聲聲的我們你們啥的。

stop_words = ["，","。",";","、","我們","你們"]  #自定義停詞列表

當(dāng)然，有朋友會(huì)說(shuō)，你這是因?yàn)槲谋緝?nèi)容少，自己搞個(gè)停詞表方便，可要是成千上萬(wàn)的文本你這點(diǎn)停詞肯定不夠用啊。OK，那咱們百度下停詞表，隨便download一個(gè)，保存為stopwords.txt。stopwords.txt共有1893個(gè)常用停詞，長(zhǎng)這樣：

有了停詞表，咱得用Python讀出來(lái)。

stop_words = [] #創(chuàng)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())  #把停詞追加到stop_words列表中

停詞準(zhǔn)備好了，接下來(lái)就是remove停詞，拿到我們需要的詞了。

data_result = [i for i in data_cut if i not in stop_words] #獲取需要的詞

print一下data_result，長(zhǎng)這樣：

這可不行，咱們需要的是由一個(gè)個(gè)詞構(gòu)成的字符串。因此，需要用join函數(shù)以空格分隔并將所有詞連接成一個(gè)新的字符串。replace在這表示將換行（\n）符替換為空。

text = " ".join(data_result).replace("\n","") #連接成字符串
print(text)

咱們打印一下text看效果：

詞有了，可以開(kāi)始設(shè)計(jì)詞云圖，由于所有詞都是中文，而WordCloud默認(rèn)不支持中文，摔！咱還得指定字體文件路徑，否則會(huì)出現(xiàn)亂碼。迪迪畢竟學(xué)歐體過(guò)來(lái)的，于是找了個(gè)小楷字體，你可以根據(jù)自己的喜好設(shè)置不同的字體，網(wǎng)上免費(fèi)字體一大堆。

wc = WordCloud(
    #設(shè)置字體，不指定就會(huì)出現(xiàn)亂碼,這個(gè)字體文件需要下載
    font_path = "演示悠然小楷.ttf",
    background_color = "black",
    max_words = 5000,
)

配置好之后，咱生成圖片并展示出來(lái)。

# 生成詞云圖
wc.generate(text)

# 保存詞云圖
wc.to_file("IMJG.jpg") #保存圖片

# 展示
plt.imshow(wc) #對(duì)圖片進(jìn)行處理，并顯示其格式
plt.axis("off") #關(guān)閉坐標(biāo)軸
plt.show() #將圖片顯示出來(lái)

效果如下：

到這，你可能以為迪迪準(zhǔn)備寫(xiě)結(jié)語(yǔ)了。不好意思，還沒(méi)完，咱們的目標(biāo)可不能局限在這，在詩(shī)和遠(yuǎn)方，哦不，是定制屬于自己的詞云圖。 迪迪準(zhǔn)備給詞云加個(gè)自定義的底圖，讓詞云看起來(lái)更形象些。想了很久，不知道用什么圖合適。于是迪迪打開(kāi)了好久沒(méi)用的Photoshop cc，繪制了一個(gè)你用美圖秀秀都能做的比我好看的png。

我把這張圖片命名為JG.png，并用Image方法打開(kāi)。

#用Image方法打開(kāi)圖片
images = np.array(Image.open("JG.png"))

把images配置到詞云wc中去，傳給參數(shù)mask。

wc = WordCloud(
    #設(shè)置字體，不指定就會(huì)出現(xiàn)亂碼,這個(gè)字體文件需要下載
    font_path = "演示悠然小楷.ttf",
    background_color = "black",
    max_words = 5000,
    mask=images
)

重新生成并保存下詞云圖，效果如下：

哈哈，略丑。朋友們有興趣可以自己做個(gè)底圖或者網(wǎng)上download一個(gè)底圖試試，底圖盡量清晰、顏色盡量突出就好啦。

還有朋友可能會(huì)問(wèn)為啥我文章開(kāi)頭的詞云圖是一個(gè)個(gè)句子，這里一并說(shuō)明下，因?yàn)樽x取HL.txt的時(shí)候用的是readlines啊~

二、根據(jù)詞頻繪制詞云

一般的詞云制作用以上方法就可以啦，但現(xiàn)實(shí)生活中我們的需求可能更為復(fù)雜，根據(jù)詞頻繪制詞云圖的案例也更為多見(jiàn)。以下就是J哥經(jīng)常用到的一個(gè)實(shí)戰(zhàn)案例，開(kāi)源代碼奉上。

大致思路是從Mysql數(shù)據(jù)庫(kù)中提取上萬(wàn)條交易記錄，用sql語(yǔ)句把交易規(guī)模前100的品牌select出來(lái)，然后根據(jù)各個(gè)品牌交易規(guī)模的大小制作詞云，文字越大的表示交易規(guī)模越大。

#-*- coding = uft-8 -*-
#@Time : 2020/5/23 10:30 上午
#@Author : 我是J哥
#@File : my_wordcloud.py

#給定詞頻制作詞云圖
from matplotlib import pyplot as plt   #繪圖，數(shù)據(jù)可視化
from wordcloud import WordCloud   #詞云
from PIL import Image  #圖片處理
import numpy as np   #矩陣運(yùn)算
import pymysql   #數(shù)據(jù)庫(kù)
import pandas as pd  #數(shù)據(jù)處理


#準(zhǔn)備詞云所需文字（詞）
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)  #詞
value = df.value  # 詞的頻率
dic = dict(zip(name, value))  # 詞頻以字典形式存儲(chǔ)
#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="有字庫(kù)龍藏體.ttf"
    font_path="演示悠然小楷.ttf"
)

wc.generate_from_frequencies(dic)  #以詞頻生成詞云

#繪制圖片
fig = plt.figure(1)
plt.imshow(wc)
plt.axis("off")
plt.show()

#輸出詞云圖片到文件
plt.savefig("JGJG.jpg",dpi=400)

生成的詞云圖長(zhǎng)這樣：

結(jié) 語(yǔ)

整體來(lái)看，Python制作詞云圖還是很簡(jiǎn)單的，代碼清晰，代碼量也少，很適合新手入門嘗鮮。當(dāng)然，要想呈現(xiàn)良好的詞云效果，前提是你的數(shù)據(jù)是干凈整潔的，因此數(shù)據(jù)清洗的知識(shí)必須掌握。

到此這篇關(guān)于使用Python輕松實(shí)現(xiàn)繪制詞云圖項(xiàng)目的文章就介紹到這了,更多相關(guān)Python繪制詞云圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論