Python成长之路词云图制作

Posted 2021-03-14 华为云官方博客

【写在前面】

    以前看到过一些大神制作的词云图 ，觉得效果很有意思。如果有朋友不了解词云图的效果，可以看下面的几张图（图片都是网上找到的）；

    网上找了找相关的软件，有些软件制作 还要付费。结果前几天在大神的公众号里的文章中看到了python也能实现，而且效果也很不错 。那还等什么，不赶紧盘它？

【示例代码】

 1 # coding=utf-8
 2 # @Auther : "鹏哥贼优秀"
 3 # @Date : 2019/7/31
 4 # @Software : PyCharm
 5 import numpy as np
 6 import jieba
 7 from PIL import Image
 8 from wordcloud import WordCloud, STOPWORDS
 9 import matplotlib.pyplot as plt
10  
11 def draw_word_cloud(word):
12     words = jieba.cut(word)
13     wordstr = " ".join(words)
14     sw = set(STOPWORDS)
15     sw.add("ok")
16     mask = np.array(Image.open(\'2.jpg\'))
17     wc = WordCloud(
18         font_path=\'C:/Windows/Fonts/simhei.ttf\',  # 设置字体格式
19         mask=mask,
20         max_words=200,
21         max_font_size=100,
22         stopwords=sw,
23         scale=4,
24     ).generate(wordstr)
25  
26     # 显示词云图
27     plt.imshow(wc)
28     plt.axis("off")
29     plt.show()
30     # 保存词云图
31     wc.to_file(\'result.jpg\')
32  
33 if __name__ == "__main__":
34     with open("test2.txt", "rb") as f:
35         word = f.read()
36     draw_word_cloud(word)

【效果如下】

【知识点】

1、词云图 制作前，需要先准备几个东西：

（1）下载python wordcloud库，也是词图库制作的关键库。我在下载这个库 时，经常因为网络超时导致下载失败，怎么办呢？多试几次呗；

（2）numpy库，用于图片处理，将图片读取后解析成数组；

（3）如果要对中文句子进行分词，那么需要jieba库；如果是英文分词，那可以不下载；

（4）如果要在界面上直接展示词云图 ，那么需要matlplotlib来画图；

（5）要处理图片，根据少不了PIL，毕竟它可是官方的图像处理库；

 

2、接下来，就是准备要分析的内容。示例代码中的txt内容，是我上一篇文章。然后就是词云图的形状。示例代码中的图片2.jpg原图如下：

3、准备工作 做完了，那自然就开始编码了。

（1）jieba.cut（）：就是对txt内容进行分词了，注意得到的是个generator，因此需要将其转成字符串；当然也可以使用jieba.lcut（），这 样得到的就是列表了；

（2）STOPWORDS集合的设置：停用词有什么呢？主要是对一些你不想要的单词进行过滤，比如“好的”“可以”这 类单词。另外，在对停用词进行过滤时，有两种方法，一种是像示例代码，将stopwords作为wordcloud方法的参数，这样最简单；也可以自己写段代码，人为过滤停用词；

（3）将你要的词云图形状图片打开，并作为参数传给wordcloud方法

（4）wordcloud方法各参数的意义，可以参考其他帖子：

https://blog.csdn.net/kouyi5627/article/details/80530569

里面我想着重讲的是regexp参数，即正则表达式。没错，就是正则表达式，有了这个参数，我们可以用正则表达式规则进一步实现自己的单词过滤，比如\\d只显示数字。我之前遇到过 这 个坑，下面再讲。

另外，scale=4生成的图片一般是500KB左右，如果不填，默认只有10几KB；

（5）对内容进行生成词云图时，generate方法最简单，直接将字符串传进来就可以；generate_from_frequencies方法的话，需要传入字典，并自己统计好每个单词的次数；

（6）界面显示词云图的代码很简单，axis("off")是为了不显示坐标，这样更美观；

（7）即将生成的词云图保存到本地，也不多解释。

综上，大致就是示例代码 的流程，是不是蛮简单的？那自己动手来玩一次吧。

4、下面我再讲讲自己在制作词云图遇到的坑。

    一开始我是想对各期双色球号码进行词云图分析的，结果一直报错，错误如下：

ValueError: We need at least 1 word to plot a word cloud, got 0.

意思就是说我传入的wordstr是空的？怎么可能呢，我明明有数字呀？最后我在wordcloud方法的官方说明中找到了原因：

看到没？regexp参数如果不填写的话，默认是会自动过滤掉单个词的，因此数字就是因为这个原因一直被过滤了。怎么解决呢？有两个办法，第一就是传入regexp参数，比如regexp="\\d*"；第二种方法就是用

generate_from_frequencies方法，这样因为有每个数字的频繁在，就不会自动被过滤掉了。从我自己的使用结果来看，还是用第二种方法的效果好看点。

如果大家觉得看了有所帮助或者喜欢的话，可以关注我的公众号“鹏哥贼优秀”，谢谢大家！

HDC.Cloud 华为开发者大会2020 即将于2020年2月11日-12日在深圳举办，是一线开发者学习实践鲲鹏通用计算、昇腾AI计算、数据库、区块链、云原生、5G等ICT开放能力的最佳舞台。

欢迎报名参会（https://www.huaweicloud.com/HDC.Cloud.html?utm_source=&utm_medium=&utm_campaign=&utm_content=techcommunity）