【寫在前面】
以前看到過一些大神制作的詞雲圖 ，覺得效果很有意思。如果有朋友不了解詞雲圖的效果，可以看下面的幾張圖（圖片都是網上找到的）；
網上找了找相關的軟件，有些軟件制作 還要付費。結果前幾天在大神的公眾號里的文章中看到了python也能實現，而且效果也很不錯 。那還等什么，不趕緊盤它？
【示例代碼】
1 # coding=utf-8 2 # @Auther : "鵬哥賊優秀" 3 # @Date : 2019/7/31 4 # @Software : PyCharm 5 import numpy as np 6 import jieba 7 from PIL import Image 8 from wordcloud import WordCloud, STOPWORDS 9 import matplotlib.pyplot as plt 10 11 def draw_word_cloud(word): 12 words = jieba.cut(word) 13 wordstr = " ".join(words) 14 sw = set(STOPWORDS) 15 sw.add("ok") 16 mask = np.array(Image.open('2.jpg')) 17 wc = WordCloud( 18 font_path='C:/Windows/Fonts/simhei.ttf', # 設置字體格式 19 mask=mask, 20 max_words=200, 21 max_font_size=100, 22 stopwords=sw, 23 scale=4, 24 ).generate(wordstr) 25 26 # 顯示詞雲圖 27 plt.imshow(wc) 28 plt.axis("off") 29 plt.show() 30 # 保存詞雲圖 31 wc.to_file('result.jpg') 32 33 if __name__ == "__main__": 34 with open("test2.txt", "rb") as f: 35 word = f.read() 36 draw_word_cloud(word)
【效果如下】
【知識點】
1、詞雲圖 制作前，需要先准備幾個東西：
（1）下載python wordcloud庫，也是詞圖庫制作的關鍵庫。我在下載這個庫 時，經常因為網絡超時導致下載失敗，怎么辦呢？多試幾次唄；
（2）numpy庫，用於圖片處理，將圖片讀取后解析成數組；
（3）如果要對中文句子進行分詞，那么需要jieba庫；如果是英文分詞，那可以不下載；
（4）如果要在界面上直接展示詞雲圖 ，那么需要matlplotlib來畫圖；
（5）要處理圖片，根據少不了PIL，畢竟它可是官方的圖像處理庫；
2、接下來，就是准備要分析的內容。示例代碼中的txt內容，是我上一篇文章。然后就是詞雲圖的形狀。示例代碼中的圖片2.jpg原圖如下：
3、准備工作 做完了，那自然就開始編碼了。
（1）jieba.cut（）：就是對txt內容進行分詞了，注意得到的是個generator，因此需要將其轉成字符串；當然也可以使用jieba.lcut（），這 樣得到的就是列表了；
（2）STOPWORDS集合的設置：停用詞有什么呢？主要是對一些你不想要的單詞進行過濾，比如“好的”“可以”這 類單詞。另外，在對停用詞進行過濾時，有兩種方法，一種是像示例代碼，將stopwords作為wordcloud方法的參數，這樣最簡單；也可以自己寫段代碼，人為過濾停用詞；
（3）將你要的詞雲圖形狀圖片打開，並作為參數傳給wordcloud方法
（4）wordcloud方法各參數的意義，可以參考其他帖子：
https://blog.csdn.net/kouyi5627/article/details/80530569
里面我想着重講的是regexp參數，即正則表達式。沒錯，就是正則表達式，有了這個參數，我們可以用正則表達式規則進一步實現自己的單詞過濾，比如\d只顯示數字。我之前遇到過 這 個坑，下面再講。
另外，scale=4生成的圖片一般是500KB左右，如果不填，默認只有10幾KB；
（5）對內容進行生成詞雲圖時，generate方法最簡單，直接將字符串傳進來就可以；generate_from_frequencies方法的話，需要傳入字典，並自己統計好每個單詞的次數；
（6）界面顯示詞雲圖的代碼很簡單，axis("off")是為了不顯示坐標，這樣更美觀；
（7）即將生成的詞雲圖保存到本地，也不多解釋。
綜上，大致就是示例代碼 的流程，是不是蠻簡單的？那自己動手來玩一次吧。
4、下面我再講講自己在制作詞雲圖遇到的坑。
一開始我是想對各期雙色球號碼進行詞雲圖分析的，結果一直報錯，錯誤如下：
ValueError: We need at least 1 word to plot a word cloud, got 0.
意思就是說我傳入的wordstr是空的？怎么可能呢，我明明有數字呀？最后我在wordcloud方法的官方說明中找到了原因：
看到沒？regexp參數如果不填寫的話，默認是會自動過濾掉單個詞的，因此數字就是因為這個原因一直被過濾了。怎么解決呢？有兩個辦法，第一就是傳入regexp參數，比如regexp="\d*"；第二種方法就是用
generate_from_frequencies方法，這樣因為有每個數字的頻繁在，就不會自動被過濾掉了。從我自己的使用結果來看，還是用第二種方法的效果好看點。
如果大家覺得看了有所幫助或者喜歡的話，可以關注我的公眾號“鵬哥賊優秀”，謝謝大家！
HDC.Cloud 華為開發者大會2020 即將於2020年2月11日-12日在深圳舉辦，是一線開發者學習實踐鯤鵬通用計算、昇騰AI計算、數據庫、區塊鏈、雲原生、5G等ICT開放能力的最佳舞台。
歡迎報名參會（https://www.huaweicloud.com/HDC.Cloud.html?utm_source=&utm_medium=&utm_campaign=&utm_content=techcommunity）
