Python生成一篇文章的词云图

使用前需要确保安装以下第三方库：

 jieba, wordcloud, imageio, sklearn,csv 

imageio、csv和sklearn在安装anaconda时默认是安装的，另外两个库需要手动安装，安装方式如下：

打开Anaconda Prompt使用pip安装即可：

pip install jieba
pip install wordcloud

我们选一篇自己喜欢的文章，然后保存为txt，放到工作目录下。我选取的文章为知乎上秋叶大叔的一篇文章：如何实现财富自由?

我将其内容保存为"caifu.txt"，放在工作目录下，以下是获得这篇文章词云图的过程。

获得词云图

from wordcloud import WordCloud, STOPWORDS
from imageio import imread
from sklearn.feature_extraction.text import CountVectorizer
import jieba
import csv
# 获取文章内容
with open("caifu.txt") as f:
    contents = f.read()
print("contents变量的类型：", type(contents))

# 使用jieba分词，获取词的列表
contents_cut = jieba.cut(contents)
print("contents_cut变量的类型：", type(contents_cut))
contents_list = " ".join(contents_cut)
print("contents_list变量的类型：", type(contents_list))

# 制作词云图，collocations避免词云图中词的重复，mask定义词云图的形状，图片要有背景色
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False, 
               background_color="white", 
               font_path=r"C:WindowsFontssimhei.ttf",
               width=400, height=300, random_state=42, 
               mask=imread('axis.png',pilmode="RGB"))
wc.generate(contents_list)
wc.to_file("ciyun.png")

# 使用CountVectorizer统计词频
cv = CountVectorizer()
contents_count = cv.fit_transform([contents_list])
# 词有哪些
list1 = cv.get_feature_names()
# 词的频率
list2 = contents_count.toarray().tolist()[0] 
# 将词与频率一一对应
contents_dict = dict(zip(list1, list2))
# 输出csv文件,newline=""，解决输出的csv隔行问题
with open("caifu_output.csv", 'w', newline="") as f:
    writer = csv.writer(f)
    for key, value in contents_dict.items():
        writer.writerow([key, value])

上述代码中，变量的类型如下：

contents变量的类型： <class 'str'>
contents_cut变量的类型： <class 'generator'>
contents_list变量的类型： <class 'str'>

词云图的形状我尝试了两种，一种是cat.png，另一种是在PPT中直接画一个箭头，保存为图片格式，如下图：

两种背景图产生的词云图结果如下：

我们可以把背景图的设置为任意形状和图片，如果没有合适的照片，我们可以用PPT自己画一个合适的形状。

获得词频列表，保存为csv文件

如果还想要获得词频列表，可以使用sklearn中的CountVectorizer统计词频，当然也可以自己写函数实现。上述代码输出了词频的csv文件，如下图：

 

参考链接：

[1] https://zhuanlan.zhihu.com/p/68874733