词云可视化：四行Python代码轻松上手到精通

╰+哭是因爲堅強的太久メ 2022-01-26 15:43 935阅读 0赞

# 词云可视化：四行Python代码轻松上手到精通 #

### 文章目录 ###

*  词云可视化：四行Python代码轻松上手到精通
 *  本课概要
 *  关于本课程
 *   *   *  \`粉丝答疑交流QQ群：953712961\`
     *  \`微信赞赏码\`
 *  不需要写代码——词云图片制作微信小程序
 *  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）
     *  如果安装过程中报错（0.001%会发生）
 *  四行Python代码上手词云制作
 *   *  1号词云：《葛底斯堡演说》词云（4行代码上手）
     *  子豪兄带你逐行读代码
 *  美化词云
 *   *  2号词云：面朝大海，春暖花开（配置词云参数）
     *  常用参数
 *  从外部文件读入文本
 *   *  3号词云：乡村振兴战略中央文件（句子云）
 *  中文分词
 *   *  中文分词第三方模块\`jieba\`
     *   *  中文分词-小试牛刀
         *  中文分词库\`jieba\`的常用方法
     *  4号词云：同济大学介绍词云（中文分词）
     *  5号词云：乡村振兴战略中央文件（词云）
 *  高级词云：绘制指定形状的词云
 *   *  6号词云：乡村振兴战略中央文件（五角星形状）
     *  7号词云：新时代中国特色社会主义（中国地图形状）
     *  8号词云：《三国演义》词云（stopwords参数去除词）
     *  9号词云：《哈姆雷特》（勾勒轮廓线）
     *  10号词云：《爱丽丝漫游仙境》词云（按模板填色）
 *  进阶词云：尽享数据驱动与开源社区
 *   *  11号词云：绘制你的微信好友个性签名词云
 *  文字情感分析与文本挖掘
 *   *  Python中文语言处理第三方库snownlp小试牛刀
     *  12号词云：《三体Ⅱ黑暗森林》情感分析词云
     *  13号词云：《三国演义》人物阵营分色词云
 *  课后闲话
 *   *  wordcloud库
     *  词云绘制的原理
     *  词云制作微信小程序
 *  \`微信赞赏码\`
 *  参考资料与扩展阅读

# 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。

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。

![三国演艺词云][1240]

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。

**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

# 关于本课程 #

> 作者：同济大学 子豪兄 2019-5-23
> 
> [源代码及相关素材Github库：zihaowordcloud][Github_zihaowordcloud]
> 
> Bilibili视频教程：[同济子豪兄][Link 1]  
> 
> 
> 知乎专栏：[人工智能小技巧][Link 2]  
> 
> 
> 简书专栏：[人工智能小技巧][Link 3]  
> 
> 
> ### `粉丝答疑交流QQ群：953712961` ###

## `微信赞赏码` ##

![子豪兄的赞赏码][1240 1]

# 不需要写代码——词云图片制作微信小程序 #

![微信小程序-快速词云制作][-]

`如果你不想写代码，可以直接忽略掉以下所有内容。这个微信小程序可以实现以下所有常用功能。`

# 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://pypi.tuna.tsinghua.edu.cn/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.`
> 
> 解决方法：
> 
> 到 [http://www.lfd.uci.edu/~gohlke/pythonlibs/\#wordcloud][http_www.lfd.uci.edu_gohlke_pythonlibs_wordcloud] 页面下载所需的wordcloud模块的.whl文件，再用pip安装下载的文件。
> 
> 比如，对于64位windows操作系统，python版本为3.6的电脑，就应该下载
> 
> `wordcloud-1.4.1-cp36-cp36m-win_amd64.whl`这个文件
> 
> 下载后打开命令行，使用cd命令切换到该文件的路径，执行`pip install wordcloud-1.4.1-cp36-cp36m-win_amd64.whl`命令，即可安装成功。

# 四行Python代码上手词云制作 #

## 1号词云：《葛底斯堡演说》词云（4行代码上手） ##

import wordcloud
    
    w = wordcloud.WordCloud()
    
    w.generate('and that government of the people, by the people, for the people, shall not perish from the earth.')
    
    w.to_file('output1.png')

运行完成之后，在代码所在的文件夹，就会出现`output.png`图片文件。可以看出，wordcloud自动将`and that by the not from`等废话词组过滤掉，并且把出现次数最多的`people`大号显示。

![1号词云：葛底斯堡演说黑色背景词云][1]

## 子豪兄带你逐行读代码 ##

# 1号词云：葛底斯堡演说黑色背景词云
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作第三方库wordcloud
    import wordcloud
    
    # 创建词云对象，赋值给w，现在w就表示了一个词云对象
    w = wordcloud.WordCloud()
    
    # 调用词云对象的generate方法，将文本传入
    w.generate('and that government of the people, by the people, for the people, shall not perish from the earth.')
    
    # 将生成的词云保存为output1.png图片文件，保存出到当前文件夹中
    w.to_file('output1.png')

`wordcloud`库为每一个词云生成一个WordCloud对象（注意，此处的W和C是大写）

也就是说，`wordcloud.WordCloud()`代表一个词云对象，我们将它赋值给`w`。

现在，这个`w`就是词云对象啦！我们可以调用这个对象。

我们可以在`WordCloud()`括号里填入各种参数，控制词云的字体、字号、字的颜色、背景颜色等等。

wordcloud库会非常智能地按空格进行分词及词频统计，出现次数多的词就大。

# 美化词云 #

## 2号词云：面朝大海，春暖花开（配置词云参数） ##

增加宽、高、字体、背景颜色等参数

# 2号词云：面朝大海，春暖花开
    # B站专栏：同济子豪兄 2019-5-23
    
    import wordcloud
    
    # 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
    w = wordcloud.WordCloud(width=1000,height=700,background_color='white',font_path='msyh.ttc')
    
    # 调用词云对象的generate方法，将文本传入
    w.generate('从明天起，做一个幸福的人。喂马、劈柴，周游世界。从明天起，关心粮食和蔬菜。我有一所房子，面朝大海，春暖花开')
    
    # 将生成的词云保存为output2-poem.png图片文件，保存到当前文件夹中
    w.to_file('output2-poem.png')

![2号词云：面朝大海，春暖花开][2]

如果参数过多，第二行写成长长的一行不好看，可以写成多行，让代码更工整

# 2号词云：面朝大海，春暖花开
    # B站专栏：同济子豪兄 2019-5-23
    
    import wordcloud
    
    # 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc')
    
    w.generate('从明天起，做一个幸福的人。喂马、劈柴，周游世界。从明天起，关心粮食和蔬菜。我有一所房子，面朝大海，春暖花开')
    
    w.to_file('output2-poem.png')

## 常用参数 ##

*  width 词云图片宽度，默认400像素
 *  height 词云图片高度 默认200像素
 *  background\_color 词云图片的背景颜色，默认为黑色
    
    `background_color='white'`
 *  font\_step 字号增大的步进间隔 默认1号
    
    font\_path 指定字体路径 默认None，对于中文可用`font_path='msyh.ttc'`
 *  mini\_font\_size 最小字号 默认4号
 *  max\_font\_size 最大字号 根据高度自动调节
 *  max\_words 最大词数 默认200
 *  stop\_words 不显示的单词 `stop_words={"python","java"}`
 *  Scale 默认值1。值越大，图像密度越大越清晰
 *  prefer\_horizontal：默认值0.90，浮点数类型。表示在水平如果不合适，就旋转为垂直方向，水平放置的词数占0.9？
 *  relative\_scaling：默认值0.5，浮点型。设定按词频倒序排列，上一个词相对下一位词的大小倍数。有如下取值：“0”表示大小标准只参考频率排名，“1”如果词频是2倍，大小也是2倍
 *  mask 指定词云形状图片，默认为矩形
    
    通过以下代码读入外部词云形状图片（需要先`pip install imageio`安装imageio）

import imageio
    mk = imageio.imread("picture.png")
    w = wordcloud.WordCloud(mask=mk)

也就是说，我们可以这样来构建词云对象w，其中的参数均为常用参数的默认值，供我们自定义：

w = wordcloud.WordCloud(      
        width=400,
        height=200,
        background_color='black',
        font_path=None, 
        font_step=1,
        min_font_size=4,
        max_font_size=None,
        max_words=200,
        stopwords={
        },
        scale=1,
        prefer_horizontal=0.9,
        relative_scaling=0.5,
        mask=None)

# 从外部文件读入文本 #

## 3号词云：乡村振兴战略中央文件（句子云） ##

# 3号词云：乡村振兴战略中央文件
    # B站专栏：同济子豪兄 2019-5-23
    
    import wordcloud
    
    # 从外部.txt文件中读取大段文本，存入变量txt中
    f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')
    txt = f.read()
    
    # 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc')
    
    # 将txt变量传入w的generate()方法，给词云输入文字
    w.generate(txt)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output3-sentence.png')

![3号词云：乡村振兴战略中央文件][3]

# 中文分词 #

## 中文分词第三方模块`jieba` ##

### 中文分词-小试牛刀 ###

安装中文分词库jieba：在命令行中输入`pip install jieba`

打开python的`交互式shell`界面，也就是有三个大于号`>>>`的这个界面，依次输入以下命令。

>>> import jieba
    >>> textlist = jieba.lcut('动力学和电磁学')
    >>> textlist
    ['动力学', '和', '电磁学']
    >>> string = " ".join(textlist)
    >>> string
    '动力学 和 电磁学'

以上代码将一句`完整的中文字符串`转换成了`以空格分隔的词组成的字符串`，而后者是绘制词云时`generate()`方法要求传入的参数。

### 中文分词库`jieba`的常用方法 ###

`精确模式（最常用，只会这个就行）`：每个字只用一遍，不存在冗余词汇。`jieba.lcut('动力学和电磁学')`

`全模式`：把每个字可能形成的词汇都提取出来，存在冗余。`jieba.lcut('动力学和电磁学',cut_all=True)`

`搜索引擎模式`：将全模式分词的结果从短到长排列好。`jieba.lcut_for_search('动力学和电磁学')`

以下命令演示了三种分词模式及结果，精确模式是最常用的。

>>> import jieba
    >>> textlist1 = jieba.lcut('动力学和电磁学')
    >>> textlist1
    ['动力学', '和', '电磁学']
    >>> textlist2 = jieba.lcut('动力学和电磁学',cut_all=True)
    >>> textlist2
    ['动力', '动力学', '力学', '和', '电磁', '电磁学', '磁学']
    >>> textlist3 = jieba.lcut_for_search('动力学和电磁学')
    >>> textlist3
    ['动力', '力学', '动力学', '和', '电磁', '磁学', '电磁学']

一键执行的详细脚本文件详见[github代码库-zihaowordcloud][Github_zihaowordcloud]中的`test1-jieba.py`文件。

## 4号词云：同济大学介绍词云（中文分词） ##

# 4号词云：同济大学介绍词云
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud和中文分词库jieba
    import jieba
    import wordcloud
    # 构建并配置词云对象w
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc')
    
    # 调用jieba的lcut()方法对原始文本进行中文分词，得到string
    txt = '同济大学（Tongji University），简称“同济”，是中华人民共和国教育部直属，由教育部、国家海洋局和上海市共建的全国重点大学，历史悠久、声誉卓著，是国家“双一流”、“211工程”、“985工程”重点建设高校，也是收生标准最严格的中国大学之一'
    txtlist = jieba.lcut(txt)
    string = " ".join(txtlist)
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output4-tongji.png')

![4号词云：同济大学介绍词云][4]

## 5号词云：乡村振兴战略中央文件（词云） ##

# 5号词云：乡村振兴战略中央文件（词云）
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud和中文分词库jieba
    import jieba
    import wordcloud
    
    # 构建并配置词云对象w
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc')
    
    # 对来自外部文件的文本进行中文分词，得到string
    f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')
    txt = f.read()
    txtlist = jieba.lcut(txt)
    string = " ".join(txtlist)
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output5-village.png')

![5号词云：乡村振兴战略中央文件(词云)][5]

# 高级词云：绘制指定形状的词云 #

通过以下代码读入外部词云形状图片（需要先`pip install imageio`安装imageio）

import imageio
    mk = imageio.imread("picture.png")
    w = wordcloud.WordCloud(mask=mk)

## 6号词云：乡村振兴战略中央文件（五角星形状） ##

# 6号词云：乡村振兴战略中央文件（五角星形状）
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud和中文分词库jieba
    import jieba
    import wordcloud
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("wujiaoxing.png")
    w = wordcloud.WordCloud(mask=mk)
    
    # 构建并配置词云对象w，注意要加scale参数，提高清晰度
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc',
                            mask=mk,
                            scale=15)
    
    # 对来自外部文件的文本进行中文分词，得到string
    f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')
    txt = f.read()
    txtlist = jieba.lcut(txt)
    string = " ".join(txtlist)
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output6-village.png')

![6号词云：乡村振兴战略中央文件(五角星)][6]

## 7号词云：新时代中国特色社会主义（中国地图形状） ##

# 7号词云：新时代中国特色社会主义（中国地图形状）
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud和中文分词库jieba
    import jieba
    import wordcloud
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("chinamap.png")
    w = wordcloud.WordCloud(mask=mk)
    
    # 构建并配置词云对象w，注意要加scale参数，提高清晰度
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc',
                            mask=mk,
                            scale=15)
    
    # 对来自外部文件的文本进行中文分词，得到string
    f = open('新时代中国特色社会主义.txt',encoding='utf-8')
    txt = f.read()
    txtlist = jieba.lcut(txt)
    string = " ".join(txtlist)
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output7-chinamap.png')

加scale参数为15的效果

![7号词云：新时代中国特色社会主义(中国地图形状)][7]

不加scale参数的效果，稍显模糊

![中国地图词云][1240 2]

## 8号词云：《三国演义》词云（stopwords参数去除词） ##

# 8号词云：《三国演义》词云（stopwords参数去除“曹操”和“孔明”两个词）
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud和中文分词库jieba
    import jieba
    import wordcloud
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("chinamap.png")
    
    # 构建并配置词云对象w，注意要加stopwords集合参数，将不想展示在词云中的词放在stopwords集合里，这里去掉“曹操”和“孔明”两个词
    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc',
                            mask=mk,
                            scale=15,
                            stopwords={
        '曹操','孔明'})
    
    # 对来自外部文件的文本进行中文分词，得到string
    f = open('threekingdoms.txt',encoding='utf-8')
    txt = f.read()
    txtlist = jieba.lcut(txt)
    string = " ".join(txtlist)
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output8-threekingdoms.png')

![三国演艺词云][1240 3]

## 9号词云：《哈姆雷特》（勾勒轮廓线） ##

# 9号词云：哈姆雷特（勾勒轮廓线）
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud
    import wordcloud
    
    # 将外部文件包含的文本保存在string变量中
    string = open('hamlet.txt').read()
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("alice.png")
    
    # 构建词云对象w，注意增加参数contour_width和contour_color设置轮廓宽度和颜色
    w = wordcloud.WordCloud(background_color="white",
                            mask=mk,
                            contour_width=1,
                            contour_color='steelblue')
    
    # # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output9-contour.png')

![8号词云：哈姆雷特(勾勒轮廓线)][8]

## 10号词云：《爱丽丝漫游仙境》词云（按模板填色） ##

# 10号词云：《爱丽丝漫游仙境》词云（按模板填色）
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入绘图库matplotlib和词云制作库wordcloud
    import matplotlib.pyplot as plt
    from wordcloud import WordCloud,ImageColorGenerator
    
    # 将外部文件包含的文本保存在text变量中
    text = open('alice.txt').read()
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片queen2.jfif，作为词云形状图片
    import imageio
    mk = imageio.imread("alice_color.png")
    
    # 构建词云对象w
    wc = WordCloud(background_color="white",
                   mask=mk,)
    # 将text字符串变量传入w的generate()方法，给词云输入文字
    wc.generate(text)
    
    # 调用wordcloud库中的ImageColorGenerator()函数，提取模板图片各部分的颜色
    image_colors = ImageColorGenerator(mk)
    
    # 显示原生词云图、按模板图片颜色的词云图和模板图片，按左、中、右显示
    fig, axes = plt.subplots(1, 3)
    # 最左边的图片显示原生词云图
    axes[0].imshow(wc)
    # 中间的图片显示按模板图片颜色生成的词云图，采用双线性插值的方法显示颜色
    axes[1].imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
    # 右边的图片显示模板图片
    axes[2].imshow(mk, cmap=plt.cm.gray)
    for ax in axes:
        ax.set_axis_off()
    plt.show()
    
    # 给词云对象按模板图片的颜色重新上色
    wc_color = wc.recolor(color_func=image_colors)
    # 将词云图片导出到当前文件夹
    wc_color.to_file('output10-alice.png')

![10号词云：《爱丽丝漫游仙境》词云(勾勒轮廓线)][10]

![image.png][]

![加模板图片颜色的词云][1240 4]

# 进阶词云：尽享数据驱动与开源社区 #

## 11号词云：绘制你的微信好友个性签名词云 ##

# 11号词云：绘制你的微信好友个性签名词云
    # B站专栏：同济子豪兄 2019-05-23
    
    # 导入微信库ichat，中文分词库jieba
    import itchat
    import jieba
    
    # 先登录微信，跳出登陆二维码
    itchat.login()
    tList = []
    # 获取好友列表
    friends = itchat.get_friends(update=True)
    
    # 构建所有好友个性签名组成的大列表tList
    for i in friends:
        # 获取个性签名
        signature = i["Signature"]
        if 'emoji' in signature:
            pass
        else:
            tList.append(signature)
    text = " ".join(tList)
    
    # 对个性签名进行中文分词
    wordlist_jieba = jieba.lcut(text, cut_all=True)
    wl_space_split = " ".join(wordlist_jieba)
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("chinamap.png")
    
    # 导入词云制作库wordcloud
    import wordcloud
    
    # 构建并配置词云对象w，注意要加scale参数，提高清晰度
    my_wordcloud = wordcloud.WordCloud(background_color='white',
                                       width=1000,
                                       height=700,
                                       font_path='msyh.ttc',
                                       max_words=2000,
                                       mask=mk,
                                       scale=20)
    my_wordcloud.generate(wl_space_split)
    
    nickname = friends[0]['NickName']
    filename = "output11-{}的微信好友个性签名词云图.png".format(nickname)
    my_wordcloud.to_file(filename)
    
    # 显示词云图片
    import matplotlib.pyplot as plt
    plt.imshow(my_wordcloud)
    plt.axis("off")
    plt.show()
    print('程序结束')

![微信好友个性签名词云][1240 5]

# 文字情感分析与文本挖掘 #

## Python中文语言处理第三方库snownlp小试牛刀 ##

安装中文文本分析库snownlp：在命令行中输入`pip install snownlp`。

打开python的`交互式shell`界面，也就是有三个大于号`>>>`的这个界面，依次输入以下命令。

>>> import snownlp
    >>> word = snownlp.SnowNLP("中华民族伟大复兴")
    >>> feeling = word.sentiments
    >>> feeling
    0.9935086411278989
    >>> word = snownlp.SnowNLP("快递慢到死，客服态度不好，退款！")
    >>> feeling = word.sentiments
    >>> feeling
    0.00012171645785852281

> snownlp的语料库是淘宝等电商网站的评论，所以对购物类的文本情感分析准确度很高。

一键执行的详细脚本文件详见[github代码库-zihaowordcloud][Github_zihaowordcloud]中的`test2-snownlp.py`文件。

## 12号词云：《三体Ⅱ黑暗森林》情感分析词云 ##

# 12号词云：《三体Ⅱ黑暗森林》情感分析词云
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入词云制作库wordcloud和中文分词库jieba
    import jieba
    import wordcloud
    
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("chinamap.png")
    
    # 构建并配置两个词云对象w1和w2，分别存放积极词和消极词
    w1 = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc',
                            mask=mk,
                            scale=15)
    w2 = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc',
                            mask=mk,
                            scale=15)
    
    # 对来自外部文件的文本进行中文分词，得到积极词汇和消极词汇的两个列表
    f = open('三体黑暗森林.txt',encoding='utf-8')
    txt = f.read()
    txtlist = jieba.lcut(txt)
    positivelist = []
    negativelist = []
    
    # 下面对文本中的每个词进行情感分析，情感>0.96判为积极词，情感<0.06判为消极词
    print('开始进行情感分析，请稍等，三国演义全文那么长的文本需要三分钟左右')
    # 导入自然语言处理第三方库snownlp
    import snownlp
    for each in txtlist:
        each_word = snownlp.SnowNLP(each)
        feeling = each_word.sentiments
        if feeling > 0.96:
            positivelist.append(each)
        elif feeling < 0.06:
            negativelist.append(each)
        else:
            pass
    # 将积极和消极的两个列表各自合并成积极字符串和消极字符串，字符串中的词用空格分隔
    positive_string = " ".join(positivelist)
    negative_string = " ".join(negativelist)
    
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w1.generate(positive_string)
    w2.generate(negative_string)
    
    # 将积极、消极的两个词云图片导出到当前文件夹
    w1.to_file('output12-positive.png')
    w2.to_file('output12-negative.png')
    print('词云生成完成')

![《三体Ⅱ黑暗森林 积极词汇词云和消极词汇词云》][1240 6]

## 13号词云：《三国演义》人物阵营分色词云 ##

# 13号词云：三国人物阵营分色词云
    # B站专栏：同济子豪兄 2019-5-23
    
    # 导入wordcloud库，并定义两个函数
    from wordcloud import (WordCloud, get_single_color_func)
    
    class SimpleGroupedColorFunc(object):
        """Create a color function object which assigns EXACT colors
           to certain words based on the color to words mapping
    
           Parameters
           ----------
           color_to_words : dict(str -> list(str))
             A dictionary that maps a color to the list of words.
    
           default_color : str
             Color that will be assigned to a word that's not a member
             of any value from color_to_words.
        """
    
        def __init__(self, color_to_words, default_color):
            self.word_to_color = {
        word: color
                                  for (color, words) in color_to_words.items()
                                  for word in words}
    
            self.default_color = default_color
    
        def __call__(self, word, **kwargs):
            return self.word_to_color.get(word, self.default_color)
    
    
    class GroupedColorFunc(object):
        """Create a color function object which assigns DIFFERENT SHADES of
           specified colors to certain words based on the color to words mapping.
    
           Uses wordcloud.get_single_color_func
    
           Parameters
           ----------
           color_to_words : dict(str -> list(str))
             A dictionary that maps a color to the list of words.
    
           default_color : str
             Color that will be assigned to a word that's not a member
             of any value from color_to_words.
        """
    
        def __init__(self, color_to_words, default_color):
            self.color_func_to_words = [
                (get_single_color_func(color), set(words))
                for (color, words) in color_to_words.items()]
    
            self.default_color_func = get_single_color_func(default_color)
    
        def get_color_func(self, word):
            """Returns a single_color_func associated with the word"""
            try:
                color_func = next(
                    color_func for (color_func, words) in self.color_func_to_words
                    if word in words)
            except StopIteration:
                color_func = self.default_color_func
    
            return color_func
    
        def __call__(self, word, **kwargs):
            return self.get_color_func(word)(word, **kwargs)
        
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    import imageio
    mk = imageio.imread("chinamap.png")
    
    w = WordCloud(width=1000,
                  height=700,
                  background_color='white',
                  font_path='msyh.ttc',
                  mask=mk,
                  scale=15,
                  max_font_size=60,
                  max_words=20000,
                  font_step=1)
    
    import jieba
    # 对来自外部文件的文本进行中文分词，得到string
    f = open('三国演义.txt',encoding='utf-8')
    txt = f.read()
    txtlist = jieba.lcut(txt)
    string = " ".join(txtlist)
    
    # 将string变量传入w的generate()方法，给词云输入文字
    w.generate(string)
    
    # 创建字典，按人物所在的不同阵营安排不同颜色，绿色是蜀国，橙色是魏国，紫色是东吴，粉色是诸侯群雄
    color_to_words = {
        
        'green': ['刘备','刘玄德','孔明','诸葛孔明', '玄德', '关公', '玄德曰','孔明曰',
                  '张飞', '赵云','后主', '黄忠', '马超', '姜维', '魏延', '孟获',
                  '关兴','诸葛亮','云长','孟达','庞统','廖化','马岱'],
        'red': ['曹操', '司马懿', '夏侯', '荀彧', '郭嘉','邓艾','许褚',
                '徐晃','许诸','曹仁','司马昭','庞德','于禁','夏侯渊','曹真','钟会'],
        'purple':['孙权','周瑜','东吴','孙策','吕蒙','陆逊','鲁肃','黄盖','太史慈'],
        'pink':['董卓','袁术','袁绍','吕布','刘璋','刘表','貂蝉']
    }
    
    # 其它词语的颜色
    default_color = 'gray'
    
    # 构建新的颜色规则
    grouped_color_func = GroupedColorFunc(color_to_words, default_color)
    
    # 按照新的颜色规则重新绘制词云颜色
    w.recolor(color_func=grouped_color_func)
    
    # 将词云图片导出到当前文件夹
    w.to_file('output13-threekingdoms.png')

![13号词云：《三国演义》人物阵营分色词云][13]

# 课后闲话 #

## wordcloud库 ##

[wordcloud的Github主页][wordcloud_Github]

## 词云绘制的原理 ##

[python123：你不知道的词云][python123]

## 词云制作微信小程序 ##

![微信小程序-快速词云制作][-]

# `微信赞赏码` #

![子豪兄的赞赏码][1240 1]

# 参考资料与扩展阅读 #

[翻译：WorldCloud()官方使用说明 & matplotlib.pyplot.imshow()官方使用说明][WorldCloud_ _ matplotlib.pyplot.imshow]

[Python语言程序设计MOOC 北京理工大学 嵩天][Python_MOOC _]

[python123：你不知道的词云][python123]

文本素材来源

*  《哈姆雷特（英文版）》全文:[https://python123.io/resources/pye/hamlet.txt][https_python123.io_resources_pye_hamlet.txt]  
    
 *  《三国演义》全文:[https://python123.io/resources/pye/threekingdoms.txt][https_python123.io_resources_pye_threekingdoms.txt]  
    
 *  《新时代中国特色社会主义》全文:[https://python123.io/resources/pye/新时代中国特色社会主义.txt][https_python123.io_resources_pye_.txt]  
    
 *  《关于实施乡村振兴战略的意见》全文:[https://python123.io/resources/pye/关于实施乡村振兴战略的意见.txt][https_python123.io_resources_pye_.txt 1]

[1240]: /images/20220126/df724481decf4ede88edec1fa60ac2fe.png
[Github_zihaowordcloud]: https://github.com/TommyZihao/zihaowordcloud
[Link 1]: https://space.bilibili.com/1900783/#/
[Link 2]: https://zhuanlan.zhihu.com/c_1032626015746502656
[Link 3]: https://www.jianshu.com/u/38cccf09b515
[1240 1]: /images/20220126/b93ac8f1b57041d3a2fed3ae3af500e2.png
[-]: /images/20220126/7a7b8fe883da4f7fa3a8a19dbfdc3aaf.png
[http_www.lfd.uci.edu_gohlke_pythonlibs_wordcloud]: http://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud
[1]: /images/20220126/535dca70862a4a27b9ea341c95a5b25d.png
[2]: /images/20220126/cb738ad43b2646baa82d0fef7b53d008.png
[3]: /images/20220126/680fa153c20144988f509d85b4dd8754.png
[4]: /images/20220126/adc20703453a479b81414c4780d37daa.png
[5]: /images/20220126/ca24bace39be42afba240e3c5d42552f.png
[6]: /images/20220126/7a9d4710db84410e9b42a73647505ff9.png
[7]: /images/20220126/60dd350c4a4a4419ba66e3af31a5c1c0.png
[1240 2]: /images/20220126/fb8eca5fe6c74cd18604e0aafcbd5e47.png
[1240 3]: /images/20220126/5af66f544fc2420ebc9e2da6717b427f.png
[8]: /images/20220126/795091cac077402da8ea1a7db7a75805.png
[10]: /images/20220126/37efe7f8383a4cd2bb7c2b80e35b6b3c.png
[image.png]: /images/20220126/5acc380912b6431eba52367637b57512.png
[1240 4]: /images/20220126/ee6e7df6dca64441aa2af79a27410512.png
[1240 5]: /images/20220126/17c40a02f79f4720bb4504e0f6e871f0.png
[1240 6]: /images/20220126/a153911bbafe489eb9955c7d519b0345.png
[13]: /images/20220126/299c8a14e130446e8b646ce67ba80d78.png
[wordcloud_Github]: https://github.com/amueller/word_cloud
[python123]: https://python123.io/tutorials/word_cloud
[WorldCloud_ _ matplotlib.pyplot.imshow]: https://blog.csdn.net/htuhxf/article/details/80471442
[Python_MOOC _]: https://www.icourse163.org/learn/BIT-268001#/learn/announce
[https_python123.io_resources_pye_hamlet.txt]: https://python123.io/resources/pye/hamlet.txt
[https_python123.io_resources_pye_threekingdoms.txt]: https://python123.io/resources/pye/threekingdoms.txt
[https_python123.io_resources_pye_.txt]: https://python123.io/resources/pye/%E6%96%B0%E6%97%B6%E4%BB%A3%E4%B8%AD%E5%9B%BD%E7%89%B9%E8%89%B2%E7%A4%BE%E4%BC%9A%E4%B8%BB%E4%B9%89.txt
[https_python123.io_resources_pye_.txt 1]: https://python123.io/resources/pye/%E5%85%B3%E4%BA%8E%E5%AE%9E%E6%96%BD%E4%B9%A1%E6%9D%91%E6%8C%AF%E5%85%B4%E6%88%98%E7%95%A5%E7%9A%84%E6%84%8F%E8%A7%81.txt