教你利用Python绘制酷炫的词云图。
俊红的数据分析之路
共 6369字，需浏览 13分钟
·
2021-07-31 12:51
1. 效果展示
词云图想必大家都见过，是一种形式新颖的查看文本中出现最多词汇的图。
我使用Python的第三方库stylecloud来分别生成了 2 张词云图，读者可以猜一猜以下词云图的出处来自于哪里。
2. 实现过程
2.1 导入库
import pandas as pd
import stylecloud
import jieba
from collections import Counter
2.2 导入文本
with open('./三体.txt',encoding='utf-8') as f:
txt = f.read()
txt = txt.split()
2.3 去除停用词
def stopwordslist():
stopwords = [line.strip() for line in open('./常见中文停用词表.txt', 'r', encoding='gbk').readlines()]
stopwords.append(' ') # 自定义添加停用词
return stopwords
def movestopwords(sentence):
stopwords = stopwordslist() # 加载停用词的路径
santi_words =[x for x in sentence if len(x) >1 and x not in stopwords]
return ' '.join(santi_words)
data_cut = jieba.lcut(str(txt))
word_list = movestopwords(data_cut)
# print(word_list.split(' '))
2.4 统计词频
mycount = {}
for word in word_list.split(' '):
mycount[word] = mycount.get(word,0)+1
counts_df = pd.DataFrame(mycount.items(), columns=['label', 'counts'])
counts_df.sort_values(by='counts',inplace=True, ascending = False)
counts_df.to_csv('./词频统计.csv',encoding='utf-8')
print('输出词频统计 成功！！')
print(counts_df.iloc[:10]) # 输出词频前 10 的词汇
2.5 生成词云图
stylecloud.gen_stylecloud(
text=word_list,
palette='tableau.BlueRed_6',
icon_name='fas fa-apple-alt',
font_path='./田英章楷书3500字.ttf',
output_name='《三体》词云图.png',
# custom_stopwords=stopwords
)
3. API详解
3.1 stylecloud.gen_stylecloud() 参数详解
gen_stylecloud(text=None, # 输入文本（不含词频数）
file_path=None, # 输入文本/CSV 的文件路径 (可以含词频数)
size=512, # stylecloud 的大小（长度和宽度）
icon_name='fas fa-flag', # stylecloud 形状的图标名称（如 fas fa-grin）。[default: fas fa-flag]
palette='cartocolors.qualitative.Bold_5', # 调色板（通过 palettable 实现）。[default: cartocolors.qualitative.Bold_6]
colors=None, # 自定义十六进制的字体颜色
background_color="white", # 背景颜色
max_font_size=200, # stylecloud 中的最大字号
max_words=2000, # stylecloud 可包含的最大单词数
stopwords=True, # 布尔值，用于筛除常见禁用词
custom_stopwords=STOPWORDS, # 去除停用词
icon_dir='.temp',
output_name='stylecloud.png', # stylecloud 的输出文本名
gradient=None, # 梯度方向
font_path=os.path.join(STATIC_PATH,'Staatliches-Regular.ttf'), # stylecloud 所用字体
random_state=None, # 控制单词和颜色的随机状态
collocations=True,
invert_mask=False,
pro_icon_path=None,
pro_css_path=None)
3.2 palette （调色板）
❝参考网站：「https://jiffyclub.github.io/palettable/」
❞
3.3 icon_name （图标名称）
❝参考网站：「https://fa5.dashgame.com/#/%E5%9B%BE%E6%A0%87」
❞
4. 遗留的小问题
中文博大精深， jieba对中文切词的准确性问题，可通过自定义添加词汇解决。重复无意义的词汇反复、连续出现，可通过机械压缩词汇的方法解决。
5. 资料下载
我已将以上配套数据文件和代码文件打包上传至我的 Github 和 Gitee，感兴趣的读者可以下载学习和练手。
「Github 项目地址」
「https://github.com/don2vito/wechat_project/tree/master/词云」
「Gitee 项目地址」
「https://gitee.com/don2vito/wechat_official_account/blob/master/038_词云」
欢迎关注
评论