python词云图之WordCloud

1. 导入需要的包package

import matplotlib.pyplot as plt
from scipy.misc import imread
from wordcloud import WordCloud,STOPWORDS
import xlrd

2. 设置生成词云图的背景图片，最好是分辨率高且色彩边界分明的图片

def set_background(picpath):
    back_coloring = imread(picpath)# 设置背景图片，png等图片格式
    return back_coloring

3. 创建词云图：WordCloud

def create_word_cloud(txt_str, back_coloring):  #txt_str表示导入的是字符串格式数据，#back_color表示的是背景图片位置
    print('---- 根据词频，开始生成词云! ----')
    font = r'C:WindowsFontssimsun.ttc' #加载显示字体
    wc = WordCloud(
        font_path=font,
        collocations=False,  # 去重，如果不加，词云图会显示相同的词
        stopwords=STOPWORDS,  #加载停用词，如果不自己指定，则会加载默认的停用词
        max_words=100,
        width=2000,
        height=1200,
       # background_color='white',
       mask=back_coloring,
    )
    wordcloud = wc.generate(txt_str)
    # 写词云图片
    wordcloud.to_file(".wordcloud_test.png")
    # 显示词云文件
    plt.imshow(wordcloud)
    plt.axis("off")
    plt.show()

4. 默认的停用词一般在：假如anaconda安装在D盘，则会在其目录：D：Anaconda3Libsite-packageswordcloudstopwords，其中都是英文词，例如：

 注意：也可以在jieba分词中，先利用自己的停用词，得到去除停用词之后的文本字符串来绘制词云图：https://www.cnblogs.com/qi-yuan-008/p/11689530.html

5. 此时，词云图无法显示数字，这是因为 wc.generate 操作中，有去除数字的语句：在wordcloud.py中，第560行左右，所以想要显示数字，需要先注释这一行

 6. 假设想要显示的词，已经经过jieba分词，保存在txt文档中，则绘制词云图的方法是：

例如：txt中是每行是一个词：

 则，先读取txt文件，形成字符串格式文本，再绘制

if __name__ == '__main__': 
    picpath = r".xxx.png" #背景图片路径
    back_coloring = set_background(picpath)
    
    with open(r".jieba_分词数据.txt", "r",encoding='utf-8') as f:
        remove_stop_str = f.read()
    
    create_word_cloud(remove_stop_str, back_coloring)

7. 如果通过jieba分词的数据已经处理成了(词, 词频)并保存在excel中，例如这种两列格式的excel表，第一行是标签如(词, 词频)：

则可以先读取词频再显示，python读取excel数据可以通过 xlrd.open_workbook 方法：

def read_from_xls(filepath,index_sheet):
    #读取文件名，filepath是excel文件的路径，index_sheet是第几个sheet
    #读取表格#
    # 设置GBK编码
    xlrd.Book.encoding = "gbk"
    rb = xlrd.open_workbook(filepath)
    print(rb)

    sheet = rb.sheet_by_index(index_sheet)
    nrows = sheet.nrows
    data_tmp = []

    for i in range(nrows - 1):
        tt=i+1  #excel的第一行是标签
        tmp_char = [str(sheet.cell_value(tt,0))] #第一列是词
        tmp_num = int(sheet.cell_value(tt,1))    #第二列是词频
        data_tmp.extend(tmp_char*tmp_num)
    return data_tmp

然后，读数据和生成词云图：

if __name__ == '__main__': 
    picpath = r".xxx.png"
    back_coloring = set_background(picpath)
    
    data_dic = read_from_xls(r'D:Python_workspacespyder_spacejieba分词表.xlsx',0)
    data_dic_str = '
'.join(data_dic)  #转成字符串格式
    
    create_word_cloud(data_dic_str, back_coloring)

8. 总结代码

# -*- coding: utf-8 -*-
"""
Created on Mon Aug 19 10:47:17 2019

@author: Administrator
"""
import matplotlib.pyplot as plt
from scipy.misc import imread
from wordcloud import WordCloud,STOPWORDS
import xlrd

def set_background(picpath):
    back_coloring = imread(picpath)# 设置背景图片
    return back_coloring

def create_word_cloud(txt_str, back_coloring):
    print('---- 根据词频，开始生成词云! ----')
    font = r'C:WindowsFontssimsun.ttc'
    wc = WordCloud(
        font_path=font,
        collocations=False,  # 去重
        stopwords=STOPWORDS,
        max_words=100,
        width=2000,
        height=1200,
       # background_color='white',
       mask=back_coloring,
    )
    wordcloud = wc.generate(txt_str)
    # 写词云图片
    wordcloud.to_file(".wordcloud_test.png")
    # 显示词云文件
    plt.imshow(wordcloud)
    plt.axis("off")
    plt.show()

def read_from_xls(filepath,index_sheet):
    #读取文件名
    #读取表格#
    # 设置GBK编码
    xlrd.Book.encoding = "gbk"
    rb = xlrd.open_workbook(filepath)
    print(rb)

    sheet = rb.sheet_by_index(index_sheet)
    nrows = sheet.nrows
    data_tmp = []

    for i in range(nrows - 1):
        tt=i+1
        tmp_char = [str(sheet.cell_value(tt,0))]
        tmp_num = int(sheet.cell_value(tt,1))
        data_tmp.extend(tmp_char*tmp_num)
    return data_tmp

if __name__ == '__main__': 
    picpath = r".xxx.png"
    back_coloring = set_background(picpath)
    data_dic = read_from_xls(r'D:Python_workspacespyder_spacejieba分词表.xlsx',0)
    data_dic_str = '
'.join(data_dic)
    
#    with open(r".jieba_分词数据.txt", "r",encoding='utf-8') as f: 
# 　　　remove_stop_str = f.read()  

　　create_word_cloud(data_dic_str, back_coloring) 

# 当然绘制词云图的方法有很多，这只是其中的一种