联系方式

咨询热线:400-998-6158

点击此处免费预约试听课程»

常见问题
学习资讯
师资介绍
学习资讯

怎么用Python画词云图

你想知道朋友圈里边传的词云图是如何生成的吗?如何能生成形状各异的词云图呢?今天我们就来跟大家分享如何用Python画词云图!

词云图,也叫文字云,是对文本中出现频率较高的“关键词”予以视觉化的展现,词云图过滤掉大量的低频低质的文本信息,使得浏览者只要一眼扫过文本就可领略文本的主旨。

在谈画词云图时,先说说小学生学画画,这样的场景,你一定不陌生:

小孩开始画画的时候,许多家长觉得他们画的东西什么都“不像”、“乱七八糟”、“一塌糊涂”。于是他们上书店为孩子买回填色书,这类印有动物,风景的轮廓线,孩子们在线内填上颜色的填色书,在市场上很常见,买回后让小孩规规矩矩地涂色,看到有点像样了,爸爸妈妈们才感觉到欣慰。

总结起来,就是三大步:准备原材料(五颜六色的画笔)、选定一个填色书(需要有形状轮廓等)、较后开始填色。

用Python画词云图其实也是这三大步骤:

1、准备原材料

准备好一份自己需要分析的文本材料,今天我们选取的是,1月25日,习近平在中共中央政治局第十二次集体学习时,关于推动媒体融合向纵深发展的讲话。

在这里,我们主要会用到Python库jieba,jieba就是这样一个非常好用的中文工具,是以分词起家的,但是功能比分词要强大很多。

jieba.cut返回的结构都是一个可迭代的 generator,可以使用 for 循环来获得分词后得到的每一个词语(unicode)。

jieba.cut 方法接受三个输入参数:

需要分词的字符串

cut_all 参数用来控制是否采用全模式,一般情况下,cut_all为False

HMM 参数用来控制是否使用 HMM 模型

import jieba

list0 = jieba.cut('我原来是一名Java工程师,后来喜欢上了Python语言', cut_all=True)
print("全模式:",list(list0))

list1 = jieba.cut('我原来是一名Java工程师,后来喜欢上了Python语言', cut_all=False)
print("精准模式:",list(list1))

###输出结果:
全模式: ['我', '原来', '是', '一名', 'Java', '工程', '工程师', '', '', '后来', '喜欢', '上', '了', 'Python', '语言']
精准模式: ['我', '原来', '是', '一名', 'Java', '工程师', ',', '后来', '喜欢', '上', '了', 'Python', '语言']

同时,获得到文本时,我们需要对文本进行文本预处理(删除掉我们不想要的词语以及符号,如同剔除掉不需要的画笔)、文本分词以及词频统计(只获取我们希望展示的词语,如同保留下我们的画笔)

详细代码如下:

data_txt = open(r"E:\project\wordcloud\xinmeiti.txt",'r',encoding='utf-8').read()

#文本预处理
pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"')
data_txt = re.sub(pattern, '', data_txt)

#文本分词
cut_txt = jieba.cut(data_txt)
object_list=[]
remove_words = [u"的","习近平",u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',u',',u'“',u'”',u'一个',u'是',u'人民日报']

#词频统计
for word in cut_txt:
    if word not in remove_words:
        object_list.append(word)

word_counts = collections.Counter(object_list)

2、选定填色书

关于词云图较后的形状轮廓,我们将选取宠物猪作为展示。

这里主要说说Python中wordcloud的基本使用,wordcloud把词云当作一个对象,它可以将文本中词语出现的频率作为一个参数绘制词云,而词云的大小、颜色、形状等都是可以设定的。

WordCloud方法的参数如下:

width:指定词云对象生成的图片的宽度(默认为200px)
height:指定词云对象生成的图片的高度(默认为400px)
min_font_size:指定词云中字体较小字号,默认为4
max_font_size:指定词云中字体较大字号
font_step:指定词云中字体之间的间隔,默认为1
font_path:指定字体文件路径
max_words:指定词云中能显示的较多单词数,默认为200
stop_words:指定在词云中不显示的单词列表
background_color:指定词云图片的背景颜色,默认为黑色
mask:定义词频背景

说明一下:如果设置了mask参数,那么width、height参数将无效

word_cloud 生成词云有两个方法。from text 和 from frequencies 。即文本生成和频率生成,每一个都有对应的函数可以使用,如下:

wd.generate(txt)   向WordCloud 对象w中加载文本txt

wd.generate_from_frequencies(word_counts) 向WordCloud 对象wd中加载词语频率

详细代码如下:

#定义词频背景
background_image = np.array(Image.open(path_image))
font_path="E:\project\wordcloud\simfang.ttf"
wd = WordCloud(
    font_path=font_path,  #设置字体格式,不然会乱码
    background_color="white",  #设置背景颜色
    mask=background_image   #设置背景图
).generate_from_frequencies(word_counts)

#保存词云图
wd.to_file('zhu.png')
#显示词云图
plt.imshow(wd,interpolation="bilinear")
plt.axis("off")
plt.show()

结果图如下:

如何用Python画词云图?

由上图可看出,作为一个主流新媒体平台,我们要为人民发声,融合新技术,传播正确的政治舆论。

学校联系方式

更多培训课程,学习资讯,课程优惠等学校信息,请进入 南昌东湖区C语言培训南昌新建区java培训 网站详细了解,免费咨询电话:400-998-6158

相关课程