快捷導(dǎo)航

Python實現(xiàn)Wordcloud生成詞云圖的示例

更新時間：2020年03月30日 11:32:46 作者：merlin&

這篇文章主要介紹了Python實現(xiàn)Wordcloud生成詞云圖的示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

wordcloud是Python擴(kuò)展庫中一種將詞語用圖片表達(dá)出來的一種形式，通過詞云生成的圖片，我們可以更加直觀的看出某篇文章的故事梗概。

首先貼出一張詞云圖（以哈利波特小說為例）：

在生成詞云圖之前，首先要做一些準(zhǔn)備工作

1.安裝結(jié)巴分詞庫

pip install jieba

Python中的分詞模塊有很多，他們的功能也都是大同小異，我們安裝的結(jié)巴分詞是當(dāng)前使用的最多的類型。

下面我來簡單介紹一下結(jié)巴分詞的用法

結(jié)巴分詞的分詞模式分為三種：

(1)全模式:把句子中所有的可以成詞的詞語都掃描出來, 速度快,但是不能解決歧義問題

(2)精確模式:將句子最精確地切開,適合文本分析

(3)搜索引擎模式:在精確模式的基礎(chǔ)上,對長詞再次切分,提高召回率,適合用于搜索引擎分詞

下面用一個簡單的例子來看一下三種模式的分詞區(qū)別：

import jieba
 
 # 全模式:把句子中所有的可以成詞的詞語都掃描出來, 速度快,但是不能解決歧義問題
 text = "哈利波特是一常優(yōu)秀的文學(xué)作品"
 seg_list = jieba.cut(text, cut_all=True)
 print(u"[全模式]: ", "/ ".join(seg_list))
 
 # 精確模式:將句子最精確地切開,適合文本分析
 seg_list = jieba.cut(text, cut_all=False)
 print(u"[精確模式]: ", "/ ".join(seg_list))
 
 # 默認(rèn)是精確模式
 seg_list = jieba.cut(text)
 print(u"[默認(rèn)模式]: ", "/ ".join(seg_list))
 
 # 搜索引擎模式:在精確模式的基礎(chǔ)上,對長詞再次切分,提高召回率,適合用于搜索引擎分詞
seg_list = jieba.cut_for_search(text)
print(u"[搜索引擎模式]: ", "/ ".join(seg_list))

下面是對這句話的分詞方式：

通過這三種分詞模式可以看出，這些分詞模式并沒有很好的劃分出“哈利波特”這個專有名詞，這是因為在結(jié)巴分詞的字典中并沒有記錄這個名詞，所以需要我們手動添加自定義字典

添加自定義字典：找一個方便引用的位置（下圖的路徑是我安裝的位置），新建文本文檔（后綴名為.txt），將想添加的詞輸入進(jìn)去（注意輸入格式），保存并退出

在上面的代碼中加入自定義字典的路徑，再點擊運行

jieba.load_userdict("/home/jmhao/anaconda3/lib/python3.7/site-packages/jieba/mydict.txt")

分詞結(jié)果，可以看出“哈利波特”這個詞已經(jīng)被識別出來了

結(jié)巴分詞還有另一個禁用詞的輸出結(jié)果

 stopwords = {}.fromkeys(['優(yōu)秀', '文學(xué)作品'])
 
 #添加禁用詞之后
 seg_list = jieba.cut(text)
 final = ''
 for seg in seg_list:
   if seg not in stopwords:
       final += seg
 seg_list_new = jieba.cut(final)
 print(u"[切割之后]: ", "/ ".join(seg_list_new))

可以看到輸出結(jié)果中并沒有“優(yōu)秀”和“文學(xué)作品”兩個詞

結(jié)巴分詞還有很多比較復(fù)雜的操作，具體的可以去官網(wǎng)查看，我就不再過多的贅述了

下面我們正式開始詞云的制作

首先下載模塊，這里我所使用的環(huán)境是Anaconda，由于Anaconda中包含很多常用的擴(kuò)展包，所以這里只需要下載wordcloud。若使用的環(huán)境不是Anaconda，則另需安裝numpy和PIL模塊

pip install wordcloud

然后我們需要找一篇文章并使用結(jié)巴分詞將文章分成詞語的形式

# 分詞模塊
 def cut(text):
   # 選擇分詞模式
   word_list = jieba.cut(text,cut_all= True)
   # 分詞后在單獨個體之間加上空格
   result = " ".join(word_list)
   # 返回分詞結(jié)果
   return result

這里我在當(dāng)前文件夾下創(chuàng)建了一個文本文檔“xiaoshuo.txt”，并復(fù)制了一章的小說作為詞云的主體文字

使用代碼控制，打開并讀取小說的內(nèi)容

 #導(dǎo)入文本文件,進(jìn)行分詞,制作詞云
 with open("xiaoshuo.txt") as fp:
   text = fp.read()
   # 將讀取的中文文檔進(jìn)行分詞
   text = cut(text)

在網(wǎng)上找到一張白色背景的圖片下載到當(dāng)前文件夾，作為詞云的背景圖（若不指定圖片，則默認(rèn)生成矩形詞云）

#設(shè)置詞云形狀，若設(shè)置了詞云的形狀，生成的詞云與圖片保持一致，后面設(shè)置的寬度和高度將默認(rèn)無效
  mask = np.array(image.open("monkey.jpeg"))

接下來可以根據(jù)喜好來定義詞云的顏色、輪廓等參數(shù) 下面為常用的參數(shù)設(shè)置方法

font_path : "字體路徑"	詞云的字體樣式，若要輸出中文，則跟隨中文的字體
width = n	畫布寬度，默認(rèn)為400像素
height = n	畫布高度，默認(rèn)為400像素
scale = n	按比例放大或縮小畫布
min_font_size = n	設(shè)置最小的字體大小
max_font_size = n	設(shè)置最大的字體大小
stopwords = 'words'	設(shè)置要屏蔽的詞語
background_color = ''color	設(shè)置背景板顏色
relative_scaling = n	設(shè)置字體大小與詞頻的關(guān)聯(lián)性
contour_width = n	設(shè)置輪廓寬度
contour_color = 'color'	設(shè)置輪廓顏色

完整代碼

#導(dǎo)入詞云庫
 from wordcloud import WordCloud
 #導(dǎo)入圖像處理庫
 import PIL.Image as image
 #導(dǎo)入數(shù)據(jù)處理庫
 import numpy as np
 #導(dǎo)入結(jié)巴分詞庫
 import jieba
 
 # 分詞模塊
 def cut(text):
   # 選擇分詞模式
   word_list = jieba.cut(text,cut_all= True)
   # 分詞后在單獨個體之間加上空格
   result = " ".join(word_list)
   return result
 
 #導(dǎo)入文本文件,進(jìn)行分詞,制作詞云
 with open("xiaoshuo.txt") as fp:
   text = fp.read()
   # 將讀取的中文文檔進(jìn)行分詞
   text = cut(text)
   #設(shè)置詞云形狀
   mask = np.array(image.open("monkey.jpeg"))
   #自定義詞云
   wordcloud = WordCloud(
     # 遮罩層,除白色背景外,其余圖層全部繪制（之前設(shè)置的寬高無效）
     mask=mask,
     #默認(rèn)黑色背景,更改為白色
     background_color='#FFFFFF',
     #按照比例擴(kuò)大或縮小畫布
     scale=,
     # 若想生成中文字體,需添加中文字體路徑
     font_path="/usr/share/fonts/bb5828/逐浪雅宋體.otf"
   ).generate(text)
   #返回對象
   image_produce = wordcloud.to_image()
   #保存圖片
   wordcloud.to_file("new_wordcloud.jpg")
   #顯示圖像
   image_produce.show()

注：若想要生成圖片樣式的詞云圖，找到的圖片背景必須為白色，或者使用Photoshop摳圖替換成白色背景，否則生成的詞云為矩形

我的詞云原圖：