教你利用Python繪制酷炫的詞云圖。

1. 效果展示

詞云圖想必大家都見過，是一種形式新穎的查看文本中出現(xiàn)最多詞匯的圖。

我使用Python的第三方庫stylecloud來分別生成了 2 張?jiān)~云圖，讀者可以猜一猜以下詞云圖的出處來自于哪里。

2. 實(shí)現(xiàn)過程

2.1 導(dǎo)入庫

import pandas as pd
import stylecloud
import jieba
from collections import Counter

2.2 導(dǎo)入文本

with open('./三體.txt',encoding='utf-8') as f:
    txt = f.read()
txt = txt.split()

2.3 去除停用詞

def stopwordslist():
    stopwords = [line.strip() for line in open('./常見中文停用詞表.txt', 'r', encoding='gbk').readlines()]
    stopwords.append(' ') # 自定義添加停用詞
    return stopwords

def movestopwords(sentence):
    stopwords = stopwordslist()  # 加載停用詞的路徑
    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 統(tǒng)計(jì)詞頻

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('./詞頻統(tǒng)計(jì).csv',encoding='utf-8')
print('輸出詞頻統(tǒng)計(jì) 成功！！')
print(counts_df.iloc[:10]) # 輸出詞頻前 10 的詞匯

2.5 生成詞云圖

stylecloud.gen_stylecloud(
                            text=word_list,
                            palette='tableau.BlueRed_6',
                            icon_name='fas fa-apple-alt',
                            font_path='./田英章楷書3500字.ttf',
                            output_name='《三體》詞云圖.png',
                            # custom_stopwords=stopwords
                            )

3. API詳解

3.1 stylecloud.gen_stylecloud() 參數(shù)詳解

gen_stylecloud(text=None,  # 輸入文本（不含詞頻數(shù)）
               file_path=None,   # 輸入文本/CSV 的文件路徑 (可以含詞頻數(shù))
               size=512,  # stylecloud 的大小（長度和寬度）
               icon_name='fas fa-flag',  # stylecloud 形狀的圖標(biāo)名稱（如 fas fa-grin）。[default: fas fa-flag]
               palette='cartocolors.qualitative.Bold_5',  # 調(diào)色板（通過 palettable 實(shí)現(xiàn)）。[default: cartocolors.qualitative.Bold_6]
               colors=None, # 自定義十六進(jìn)制的字體顏色
               background_color="white",  # 背景顏色
               max_font_size=200,  # stylecloud 中的最大字號(hào)
               max_words=2000,  # stylecloud 可包含的最大單詞數(shù)
               stopwords=True,  # 布爾值，用于篩除常見禁用詞
               custom_stopwords=STOPWORDS, # 去除停用詞
               icon_dir='.temp',
               output_name='stylecloud.png',   # stylecloud 的輸出文本名
               gradient=None,  # 梯度方向
               font_path=os.path.join(STATIC_PATH,'Staatliches-Regular.ttf'), # stylecloud 所用字體
               random_state=None,  # 控制單詞和顏色的隨機(jī)狀態(tài)
               collocations=True,
               invert_mask=False,
               pro_icon_path=None,
               pro_css_path=None)

3.2 palette （調(diào)色板）

?

參考網(wǎng)站：「https://jiffyclub.github.io/palettable/」

?

3.3 icon_name （圖標(biāo)名稱）

?

參考網(wǎng)站：「https://fa5.dashgame.com/#/%E5%9B%BE%E6%A0%87」

?

4. 遺留的小問題

• 中文博大精深，jieba對(duì)中文切詞的準(zhǔn)確性問題，可通過自定義添加詞匯解決。
• 重復(fù)無意義的詞匯反復(fù)、連續(xù)出現(xiàn)，可通過機(jī)械壓縮詞匯的方法解決。

5. 資料下載

我已將以上配套數(shù)據(jù)文件和代碼文件打包上傳至我的 Github 和 Gitee，感興趣的讀者可以下載學(xué)習(xí)和練手。

• 「Github 項(xiàng)目地址」

「https://github.com/don2vito/wechat_project/tree/master/詞云」

• 「Gitee 項(xiàng)目地址」

「https://gitee.com/don2vito/wechat_official_account/blob/master/038_詞云」

歡迎關(guān)注

點(diǎn)分享

點(diǎn)收藏

點(diǎn)點(diǎn)贊

點(diǎn)在看