1. 導入需要的包package
import matplotlib.pyplot as plt from scipy.misc import imread from wordcloud import WordCloud,STOPWORDS import xlrd
2. 設置生成詞雲圖的背景圖片，最好是分辨率高且色彩邊界分明的圖片
def set_background(picpath): back_coloring = imread(picpath)# 設置背景圖片，png等圖片格式 return back_coloring
3. 創建詞雲圖：WordCloud
def create_word_cloud(txt_str, back_coloring): #txt_str表示導入的是字符串格式數據，#back_color表示的是背景圖片位置 print('---- 根據詞頻，開始生成詞雲! ----') font = r'C:\Windows\Fonts\simsun.ttc' #加載顯示字體 wc = WordCloud( font_path=font, collocations=False, # 去重，如果不加，詞雲圖會顯示相同的詞 stopwords=STOPWORDS, #加載停用詞，如果不自己指定，則會加載默認的停用詞 max_words=100, width=2000, height=1200, # background_color='white', mask=back_coloring, ) wordcloud = wc.generate(txt_str) # 寫詞雲圖片 wordcloud.to_file(".\wordcloud_test.png") # 顯示詞雲文件 plt.imshow(wordcloud) plt.axis("off") plt.show()
4. 默認的停用詞一般在：假如anaconda安裝在D盤，則會在其目錄：D：\Anaconda3\Lib\site-packages\wordcloud\stopwords，其中都是英文詞，例如：
注意：也可以在jieba分詞中，先利用自己的停用詞，得到去除停用詞之后的文本字符串來繪制詞雲圖：https://www.cnblogs.com/qi-yuan-008/p/11689530.html
5. 此時，詞雲圖無法顯示數字，這是因為 wc.generate 操作中，有去除數字的語句：在wordcloud.py中，第560行左右，所以想要顯示數字，需要先注釋這一行
6. 假設想要顯示的詞，已經經過jieba分詞，保存在txt文檔中，則繪制詞雲圖的方法是：
例如：txt中是每行是一個詞：
則，先讀取txt文件，形成字符串格式文本，再繪制
if __name__ == '__main__': picpath = r".\xxx.png" #背景圖片路徑 back_coloring = set_background(picpath) with open(r".\jieba_分詞數據.txt", "r",encoding='utf-8') as f: remove_stop_str = f.read() create_word_cloud(remove_stop_str, back_coloring)
7. 如果通過jieba分詞的數據已經處理成了(詞, 詞頻)並保存在excel中，例如這種兩列格式的excel表，第一行是標簽如(詞, 詞頻)：
則可以先讀取詞頻再顯示，python讀取excel數據可以通過 xlrd.open_workbook 方法：
def read_from_xls(filepath,index_sheet): #讀取文件名，filepath是excel文件的路徑，index_sheet是第幾個sheet #讀取表格# # 設置GBK編碼 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的第一行是標簽 tmp_char = [str(sheet.cell_value(tt,0))] #第一列是詞 tmp_num = int(sheet.cell_value(tt,1)) #第二列是詞頻 data_tmp.extend(tmp_char*tmp_num) return data_tmp
然后，讀數據和生成詞雲圖：
if __name__ == '__main__': picpath = r".\xxx.png" back_coloring = set_background(picpath) data_dic = read_from_xls(r'D:\Python_workspace\spyder_space\jieba分詞表.xlsx',0) data_dic_str = '\n'.join(data_dic) #轉成字符串格式 create_word_cloud(data_dic_str, back_coloring)
8. 總結代碼
# -*- 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)# 設置背景圖片 return back_coloring def create_word_cloud(txt_str, back_coloring): print('---- 根據詞頻，開始生成詞雲! ----') font = r'C:\Windows\Fonts\simsun.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) # 寫詞雲圖片 wordcloud.to_file(".\wordcloud_test.png") # 顯示詞雲文件 plt.imshow(wordcloud) plt.axis("off") plt.show() def read_from_xls(filepath,index_sheet): #讀取文件名 #讀取表格# # 設置GBK編碼 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_workspace\spyder_space\jieba分詞表.xlsx',0) data_dic_str = '\n'.join(data_dic) # with open(r".\jieba_分詞數據.txt", "r",encoding='utf-8') as f: # remove_stop_str = f.read() create_word_cloud(data_dic_str, back_coloring)
# 當然繪制詞雲圖的方法有很多，這只是其中的一種