拿来就用能的Python词云图代码|wordcloud生成词云详解

缺乏、安全感 2022-11-05 00:44 15阅读 0赞

词云也叫文字云，是一种可视化的结果呈现，常用在爬虫数据分析中，原理就是统计文本中高频出现的词，过滤掉某些干扰词，将结果生成一张图片，直观的获取数据的重点信息。今天，我们就来学习一下Python生成词云的常用库**「wordcloud」**。

**「安装」**：`pip install wordcloud`

github项目：https://github.com/amueller/word\_cloud

**「wordcloud」**对象有很多参数设定，可以绘制不同形状、颜色和尺寸的词云图。

## WordCloud对象常用参数 ##

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>font_path</td> 
   <td>设置字体，指定字体文件的路径</td> 
  </tr> 
  <tr> 
   <td>width</td> 
   <td>生成图片宽度，默认400像素</td> 
  </tr> 
  <tr> 
   <td>height</td> 
   <td>生成图片高度，默认200像素</td> 
  </tr> 
  <tr> 
   <td>mask</td> 
   <td>词云形状，默认使用矩形</td> 
  </tr> 
  <tr> 
   <td>min_font_size</td> 
   <td>词云中最小的字体字号，默认4号</td> 
  </tr> 
  <tr> 
   <td>font_step</td> 
   <td>字号步进间隔，默认1</td> 
  </tr> 
  <tr> 
   <td>max_font_size</td> 
   <td>词云中最大的字体字号，默认根据高度自动调节</td> 
  </tr> 
  <tr> 
   <td>max_words</td> 
   <td>词云显示的最大词数，默认200</td> 
  </tr> 
  <tr> 
   <td>stopwords</td> 
   <td>设置停用词（需要屏蔽的词），停用词不在词云中显示，默认使用内置的STOPWORDS</td> 
  </tr> 
  <tr> 
   <td>background_color</td> 
   <td>图片背景颜色，默认黑色</td> 
  </tr> 
 </tbody> 
</table>

## WordCloud常用方法 ##

<table> 
 <thead> 
  <tr> 
   <th>方法</th> 
   <th>功能</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>generate(text)</td> 
   <td>加载词云文本</td> 
  </tr> 
  <tr> 
   <td>to_file(filename)</td> 
   <td>输出词云文件</td> 
  </tr> 
 </tbody> 
</table>

wordcloud默认是为了英文文本来做词云的，如果需要制作中文文本词云，就需要先对中文进行分词。这里就需要用到中文分词库**「jieba」**。

## jieba ##

**「jieba」**是优秀的中文分词库，需要安装。它的原理是利用一个中文词库，确定中文字符之间的关联概率，汉字间概率大的组成词组，形成分词结果，除了分词，还可以添加自定义词组。

安装：`pip install jieba`

jieba有三种分词模式，这里我们只学习它的精确模式，把文本精确的切分开，不存在冗余单词。

使用`jieba.lcut(s)`，返回列表型分词结果。当然，也可以使用jieba.add\_word(w)向jieba库中增加词语。

## 词云案例 ##

爬取最近很火的一部电影《你好，李焕英 》的影评数据，生成词云。

**「获取10页短评数据，保存到文本中。」**

import requests
    from bs4 import BeautifulSoup
    import time
    import random
    urls=['https://movie.douban.com/subject/34841067/comments?start={}&limit=20&status=P&sort=new_score'.format(str(i)) for i in range(0, 200, 20)] #通过观察的url翻页的规律，使用for循环得到10个链接，保存到urls列表中
    print(urls)
    dic_h = {
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36"}
    comments_list = [] #初始化用于保存短评的列表
    
    for url in urls: #使用for循环分别获取每个页面的数据，保存到comments_list列表
        r = requests.get(url=url,headers = dic_h).text
    
        soup = BeautifulSoup(r, 'lxml')
        ul = soup.find('div',id="comments")
        lis= ul.find_all('p')
    
        list2 =[]
        for li in lis:
            list2.append(li.find('span').string)
        # print(list2)
        comments_list.extend(list2)
        time.sleep(random.randint(0,3)) # 暂停0~3秒
        
    with open('lhy_comments.txt', 'w', encoding='utf-8') as f: #使用with open()新建对象f
        # 将列表中的数据循环写入到文本文件中
        for i in comments_list:
            f.write(i+"\n") #写入数据

#### 使用wordcloud生成词云的步骤 ####

**「1.读取文件，分词整理」**

**「2.配置对象参数，加载词云文本」**

**「3.计算词频，输出词云文件」**

#### 基本的词云 ####

import jieba
    import wordcloud
    # 读取文本
    with open("lhy_comments.txt",encoding="utf-8") as f:
        s = f.read()
    print(s)
    ls = jieba.lcut(s) # 生成分词列表
    text = ' '.join(ls) # 连接成字符串
    
    
    stopwords = ["的","是","了"] # 去掉不需要显示的词
    
    wc = wordcloud.WordCloud(font_path="msyh.ttc",
                             width = 1000,
                             height = 700,
                             background_color='white',
                             max_words=100,stopwords=s)
    # msyh.ttc电脑本地字体，写可以写成绝对路径
    wc.generate(text) # 加载词云文本
    wc.to_file("李焕英1.png") # 保存词云文件

词云效果如下：

![2fff7832fd10b2d3339ccfa6524e49bb.png][]

##### 添加蒙版图片的词云 #####

可以将有白色背景的图片作为蒙版图片，有图案的地方会被词云填充。

添加蒙版图片需要使用PIL，numpy库。

添加蒙版图片如下：

![ec09f487e872414cc83e20f3fc23f3e2.png][]

# 示例代码
    from wordcloud import WordCloud
    from PIL import Image
    import numpy as np
    import matplotlib.pyplot as plt
    import jieba
    
    # 打开文本
    with open("lhy_comments.txt",encoding="utf-8") as f:
        s = f.read()
    
    # 中文分词
    text = ' '.join(jieba.cut(s))
    
    # 生成对象
    img = Image.open("mask_pic.png") # 打开遮罩图片
    mask = np.array(img) #将图片转换为数组
    
    stopwords = ["我","你","她","的","是","了","在","也","和","就","都","这"]
    wc = WordCloud(font_path="msyh.ttc",
                   mask=mask,
                   width = 1000,
                   height = 700,
                   background_color='white',
                   max_words=200,
                   stopwords=stopwords).generate(text)
    
    # 显示词云
    plt.imshow(wc, interpolation='bilinear')# 用plt显示图片
    plt.axis("off")  # 不显示坐标轴
    plt.show() # 显示图片
    
    # 保存到文件
    wc.to_file("李焕英2.png")

词云效果如下：

![74f9f92e304ee06593dda5a2fe60f57c.png][]

往期推荐

[pandas操作excel全总结][pandas_excel]

[干货 | 2021 年如何一步一步的学习 Python][_ 2021 _ Python]

[Python爬虫数据存哪里|数据存储到文件的几种方式][Python]

[面试常问的 25+ 个 Linux 命令][25_ _ Linux]

[2fff7832fd10b2d3339ccfa6524e49bb.png]: /images/20221023/5a8b80468f6e46c9a62d8317ff87938c.png
[ec09f487e872414cc83e20f3fc23f3e2.png]: /images/20221023/d9af76be4c5a4fe0a6d436f49720ef3c.png
[74f9f92e304ee06593dda5a2fe60f57c.png]: /images/20221023/78346c8e14a34e96934b0c84c0b3d378.png
[pandas_excel]: http://mp.weixin.qq.com/s?__biz=MzI5NzIyMjQwNA%3D%3D&chksm=ecbacc5fdbcd4549da275779b4e497a36ad5947feeed65099efc21cb032f9e3b634b73f40479&idx=1&mid=2247492660&scene=21&sn=87851c0f230500035afa42381a5841e1#wechat_redirect
[_ 2021 _ Python]: http://mp.weixin.qq.com/s?__biz=MzI5NzIyMjQwNA%3D%3D&chksm=ecbacc38dbcd452e79491c3dc8eed7703b424105d331282ffe1a78914fd80a65aea6f5d59ad3&idx=3&mid=2247492691&scene=21&sn=84cccdc702a4834027da7d44f8b2be2d#wechat_redirect
[Python]: http://mp.weixin.qq.com/s?__biz=MzI5NzIyMjQwNA%3D%3D&chksm=ecbacc02dbcd451428652a6ae45e298af5b86eb07aeef91983e01ac2332ec55a096bc65b3bf8&idx=1&mid=2247492713&scene=21&sn=45b7a9d5f6a453d019a4e96d4975dae4#wechat_redirect
[25_ _ Linux]: http://mp.weixin.qq.com/s?__biz=MzI5NzIyMjQwNA%3D%3D&chksm=ecbacc13dbcd45050117052617f9a5e27a9043ab9507cc3713811da322132cb240176b360297&idx=2&mid=2247492728&scene=21&sn=866e1014fcbcc74c09a7a3dabcf9704d#wechat_redirect