Python 词云可视化

张佲哲 發表於 2019-9-25 17:05:00

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。
B站视频链接：https://www.bilibili.com/video/av53917673/?p=1
Github源码：https://github.com/TommyZihao/zihaowordcloud
 
<h2>本课概要</h2>
 
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。
<img style="max-width: 100%" src="https://camo.githubusercontent.com/7685b271a8b63f423ee43c85fdcf08263551112b/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d653661316334633862666266303437312e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="三国演艺词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-e6a1c4c8bfbf0471.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/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。
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
<ul>
<li>会议记录</li>
<li>海报制作</li>
<li>PPT制作</li>
<li>生日表白</li>
<li>数据挖掘</li>
<li>情感分析</li>
<li>用户画像</li>
<li>微信聊天记录分析</li>
<li>微博情感分析</li>
<li>Bilibili弹幕情感分析</li>
<li>年终总结</li>
</ul>
<h2>安装本课程所需的Python第三方模块</h2>
<h3>一行命令安装（推荐，适用于99.999%的情况）</h3>
打开命令行，输入下面这行命令，回车执行即可。
<div class="cnblogs_code">
<pre>pip install numpy matplotlib pillow wordcloud imageio jieba snownlp itchat -i https://pypi.tuna.tsinghua.edu.cn/simple</pre>
</div>
<h3>如果安装过程中报错（0.001%会发生）</h3>
<blockquote>
如果报错：<code>Microsoft Visual C++ 14.0 is required.</code>
解决方法：
到 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
<code>wordcloud-1.4.1-cp36-cp36m-win_amd64.whl</code>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<code>pip install wordcloud-1.4.1-cp36-cp36m-win_amd64.whl</code>命令，即可安装成功。
</blockquote>
<h2>四行Python代码上手词云制作</h2>
<h3>1号词云：《葛底斯堡演说》黑色背景词云（4行代码上手）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>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')</pre>
</div>
</div>
运行完成之后，在代码所在的文件夹，就会出现<code>output.png</code>图片文件。可以看出，wordcloud自动将<code>and that by the not from</code>等废话词组过滤掉，并且把出现次数最多的<code>people</code>大号显示。
<img style="max-width: 100%" src="https://camo.githubusercontent.com/069bb87c311933b46d0230f0b62d59bc8cc9acff/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d343638643266383933616232306462622e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="1号词云：葛底斯堡演说黑色背景词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-468d2f893ab20dbb.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h3>子豪兄带你逐行读代码</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
</div>
<code>wordcloud</code>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，<code>wordcloud.WordCloud()</code>代表一个词云对象，我们将它赋值给<code>w</code>。
现在，这个<code>w</code>就是词云对象啦！我们可以调用这个对象。
我们可以在<code>WordCloud()</code>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。
<h2>美化词云</h2>
<h3>2号词云：面朝大海，春暖花开（配置词云参数）</h3>
增加宽、高、字体、背景颜色等参数
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
 
<pre> </pre>
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/8fd70d681b80ec5c853757a56b1d4f8818bde539/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d303938346538396234613664393438622e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="2号词云：面朝大海，春暖花开" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-0984e89b4a6d948b.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
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
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
</div>
<h3>常用参数</h3>
<ul>
<li>
width 词云图片宽度，默认400像素
</li>
<li>
height 词云图片高度默认200像素
</li>
<li>
background_color 词云图片的背景颜色，默认为黑色
<code>background_color='white'</code>
</li>
<li>
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<code>font_path='msyh.ttc'</code>
</li>
<li>
mini_font_size 最小字号默认4号
</li>
<li>
max_font_size 最大字号根据高度自动调节
</li>
<li>
max_words 最大词数默认200
</li>
<li>
stop_words 不显示的单词 <code>stop_words={"python","java"}</code>
</li>
<li>
Scale 默认值1。值越大，图像密度越大越清晰
</li>
<li>
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？
</li>
<li>
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
</li>
<li>
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<code>pip install imageio</code>安装imageio）
</li>
</ul>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>import imageio
mk = imageio.imread("picture.png")
w = wordcloud.WordCloud(mask=mk)</pre>
</div>
</div>
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：
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>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) </pre>
</div>
</div>
<h2>从外部文件读入文本</h2>
<h3>3号词云：乡村振兴战略中央文件（句子云）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
<pre> </pre>
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/97d91604ae489bddf0512e8fda30fa4a256edb5c/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d643163353238633234633662353534662e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="3号词云：乡村振兴战略中央文件" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-d1c528c24c6b554f.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h2>中文分词</h2>
<h3>中文分词第三方模块<code>jieba</code></h3>
<h4>中文分词-小试牛刀</h4>
安装中文分词库jieba：在命令行中输入<code>pip install jieba</code>
打开python的<code>交互式shell</code>界面，也就是有三个大于号<code>>>></code>的这个界面，依次输入以下命令。
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>>>> 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'</pre>
</div>
</div>
以上代码将一句<code>完整的中文字符串</code>转换成了<code>以空格分隔的词组成的字符串</code>，而后者是绘制词云时<code>generate()</code>方法要求传入的参数。
<h4>中文分词库<code>jieba</code>的常用方法</h4>
<code>精确模式（最常用，只会这个就行）</code>：每个字只用一遍，不存在冗余词汇。<code>jieba.lcut('动力学和电磁学')</code>
<code>全模式</code>：把每个字可能形成的词汇都提取出来，存在冗余。<code>jieba.lcut('动力学和电磁学',cut_all=True)</code>
<code>搜索引擎模式</code>：将全模式分词的结果从短到长排列好。<code>jieba.lcut_for_search('动力学和电磁学')</code>
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。
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>>>> 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']</pre>
</div>
</div>
一键执行的详细脚本文件详见github代码库-zihaowordcloud中的<code>test1-jieba.py</code>文件。
<h3>4号词云：同济大学介绍词云（中文分词）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
 
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/a31dc4dd854f622c36dfbfb21771d346a302dda7/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d383235333336643332613566333531612e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="4号词云：同济大学介绍词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-825336d32a5f351a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h3>5号词云：乡村振兴战略中央文件（词云）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/e850adf8756088df9a50471c33fafa4ec4f3e2d9/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d333764326266633562303438393433642e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="5号词云：乡村振兴战略中央文件(词云)" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-37d2bfc5b048943d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h2>高级词云：绘制指定形状的词云</h2>
通过以下代码读入外部词云形状图片（需要先<code>pip install imageio</code>安装imageio）
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>import imageio
mk = imageio.imread("picture.png")
w = wordcloud.WordCloud(mask=mk)</pre>
</div>
</div>
<h3>6号词云：乡村振兴战略中央文件（五角星形状）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
 
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/68bf3b4c033c11afb83a617703b184072d69308d/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d356530343238613939613938383435342e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="6号词云：乡村振兴战略中央文件(五角星)" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-5e0428a99a988454.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h3>7号词云：新时代中国特色社会主义（中国地图形状）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
</div>
加scale参数为15的效果
<img style="max-width: 100%" src="https://camo.githubusercontent.com/6a6b7f83555da7bb2450f8a084ddd22d11a14dac/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d363663373734633330313362643764632e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="7号词云：新时代中国特色社会主义(中国地图形状)" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-66c774c3013bd7dc.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
不加scale参数的效果，稍显模糊
<img style="max-width: 100%" src="https://camo.githubusercontent.com/86863617950eca7a6e18da89603de6d393eb639a/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d303032653662633030383563306264302e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="中国地图词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-002e6bc0085c0bd0.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h3>8号词云：《三国演义》词云（stopwords参数去除词）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
 
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/d672fb167bfd1863e7fdeb09157c9d3c45635f7f/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d393634346234393661663264383734622e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="三国演艺词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-9644b496af2d874b.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h3>9号词云：《哈姆雷特》（勾勒轮廓线）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
 
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/a56ab17604695f013b7ac41b75203b30a87c11a7/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d343337323031356135663538383831322e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="8号词云：哈姆雷特(勾勒轮廓线)" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-4372015a5f588812.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h3>10号词云：《爱丽丝漫游仙境》词云（按模板填色）</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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.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.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
# 右边的图片显示模板图片
axes.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')</pre>
</div>
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/da60e9b2139ab420202340fe421341ec1a26f72d/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d386638386533663934656234336233322e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="10号词云：《爱丽丝漫游仙境》词云(勾勒轮廓线)" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-8f88e3f94eb43b32.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<img style="max-width: 100%" src="https://camo.githubusercontent.com/6e2aa9ce1c4facc54c4514cb7d2056b4ac22cae2/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d626232343336623833663630336231392e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="image.png" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-bb2436b83f603b19.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<img style="max-width: 100%" src="https://camo.githubusercontent.com/3c78d0cbb90f1d80bb3ce790f6f1cd5730d439d8/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d363235393763363063653566343432662e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="加模板图片颜色的词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-62597c60ce5f442f.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h2>进阶词云：尽享数据驱动与开源社区</h2>
<h3>11号词云：绘制你的微信好友个性签名词云</h3>
<div class="cnblogs_code">
<pre># 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['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</pre>
</div>
 
<img style="max-width: 100%" src="https://camo.githubusercontent.com/6650cbba9ebcc33591da6229842a1a28d1919c98/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d663063363332373762656436653333362e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="微信好友个性签名词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-f0c63277bed6e336.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h2>文字情感分析与文本挖掘</h2>
<h3>Python中文语言处理第三方库snownlp小试牛刀</h3>
安装中文文本分析库snownlp：在命令行中输入<code>pip install snownlp</code>。
打开python的<code>交互式shell</code>界面，也就是有三个大于号<code>>>></code>的这个界面，依次输入以下命令。
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre>>>> 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</pre>
</div>
</div>
<blockquote>
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。
</blockquote>
一键执行的详细脚本文件详见github代码库-zihaowordcloud中的<code>test2-snownlp.py</code>文件。
<h3>12号词云：《三体Ⅱ黑暗森林》情感分析词云</h3>
<div class="highlight highlight-source-python">
<div class="cnblogs_code">
<pre># 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')</pre>
</div>
 
</div>
<img style="max-width: 100%" src="https://camo.githubusercontent.com/47ec86cae03fdc2bfd6d0b5e0fd0d369c949d721/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d656164613562633430316532316239362e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="《三体Ⅱ黑暗森林积极词汇词云和消极词汇词云》" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-eada5bc401e21b96.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240">
<h2>13号词云：《三国演义》人物阵营分色词云</h2>
<div class="cnblogs_code">
<pre># 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</pre>
</div>
 
<img style="max-width: 100%" src="https://camo.githubusercontent.com/297376338faefc1c191263a575564d88da9c68d5/68747470733a2f2f75706c6f61642d696d616765732e6a69616e7368752e696f2f75706c6f61645f696d616765732f31333731343434382d316632643561363035346165666165642e706e673f696d6167654d6f6772322f6175746f2d6f7269656e742f7374726970253743696d61676556696577322f322f772f31323430" alt="13号词云：《三国演义》人物阵营分色词云" data-canonical-src="https://upload-images.jianshu.io/upload_images/13714448-1f2d5a6054aefaed.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240"> 
来源：https://www.cnblogs.com/wkfvawl/p/11585986.html

頁: [1]

琼殿技术论坛's Archiver

Python 词云可视化