Python如何制作词云

本篇内容主要讲解“Python如何制作词云”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python如何制作词云”吧!

我们提供的服务有：成都做网站、成都网站制作、微信公众号开发、网站优化、网站认证、兴安ssl等。为成百上千家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的兴安网站制作公司

效果如下：

(词云--出现频率越多的词，字体越大 )

工具篇

1、安装可视化库

pip3 install matplotlib

3、安装 “结巴” 库， 这个名字起的真接地气， 给开发者点个赞

pip3 install jieba

这个库用来解析中文，把一句话解析成一个个的词，

我们中文不像英文每个词之间有空格。需要根据语义分析拆分成词组

我们用《剑雨》的一段对话举例：

import   jieba #引入结巴库 
str='师傅，他为何说禅机已到,\
     佛祖点化世人讲究机缘,\
     禅机一过缘即灭矣,\
     而禅机未到虽点亦不中
     我愿化身石桥又是何意'

print(str)
# 解析拆分词组  lcut的方法
words = jieba.lcut(str)
print(words)

效果如下：

（ 把完整的句子拆分成一个个的词，看着断断续续，可能这就是结巴的由来吧，【拆词】最难的这部分，结巴库都做好了，这也是python强大的原因吧，各式各样的库都有了 ）

结巴库

网上下载txt格式的《西游记》,

下载完成后转换成utf-8格式再保存一下。

转化方法：记事本另存为的时候，选择编码格式UTF-8

format 格式化输出：

#列标题 format
print("{0:<5}{1:<8}{2:<5}".format('序号','词语', '频率'))

{0:<5} ：

0 表示序号：第一个参数，第一列，

< 左对齐， > 右对齐

5 代表宽度

任务一：统计西游记里面出现频率最高的10个词：

后面为了方便，我们把这个叫主代码。

#引入结巴库
import  jieba 
#open 内置函数 不需要引用 直接使用
#开打文件西游记和python 文件放到同一个目录，可直接引用不需要路径
f = open('西游记.txt', 'r' ,encoding='utf-8'  )
# 查看文件的编码格式
print('文件的编码格式:'+f.encoding)
#读取文件
txt = f.read()
#关闭文件，良好的习惯
f.close()

# 使用精确模式对文本进行分词
#  使用结巴库把西游拆分成一个个的词组
words = jieba.lcut(txt)
 
# 通过键值对的形式存储词语及其出现的次数
# 大括号表示 python的字典类型对应，
# 键值对 key:value1 ,类似java的map对象和list 
counts = {}     

chiyun = []
for word in words:
     # == 1 单个词语不计算在内
    if  len(word) < 2 :  
        continue
    else:
         # 遍历所有词语，每出现一次其对应的值加 1
        counts[word] = counts.get(word, 0) + 1   

#将键值对转换成列表
items = list(counts.items())

# 根据词语出现的次数进行从大到小排序
items.sort(key=lambda x: x[1], reverse=True)
#列标题 format
print("{0:<5}{1:<8}{2:<5}".format('序号','词语', '频率'))
#需要显示的范围  10即显示前10个，0到9
for i in range(10):
    word, count = items[i]
    print("{0:<5}{1:<8}{2:>5}".format(i+1,word, count))

效果如下：

还是没有观音， 放出前100,200,300 到500在看：

终于出现了，在349位，重复61次，

应该是有哪里问题，直觉判断不止61次重复

预知后事如何，请听下回分解，‘下回分解’排第二合理。

悟空每次打妖怪都要吹下牛，在洞口报个名：我是五百年前大闹天宫的齐天大圣，这两个词出现在前10 合理。

词云库

我们在梳理下流程：

注意下：结巴库不是必须，主要是用来把句子拆分成词，如果你已经有统计好的词组，可直接用词云显示。

试一个简单的：我们手工创建个词组，直接用词云显示出来。即绕开结巴库了

from wordcloud import WordCloud
# python的可视化库，也是二级考试推荐的可视化库
import matplotlib.pyplot as plt


str=['齐天大圣','大圣','大圣','八戒','嫦娥']
#数组里面添加内容
str.append('玉兔')
str.append('女儿国')
str.append('牛魔王')
str.append('大圣')
str.append('土地公公')
str.append('小神仙')
str.append('八戒')

print(str)
#join 函数 用斜杆拼接词组mask =maskph,
#这里一定要join拼接一下 转成字符串
text_cut  =  '/'.join(str)

#看一下连接后的样子 
#关键点 text_cut 是词云要处理的内容
print(text_cut)
wordcloud = WordCloud(  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 显示图片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

可观察下效果图：主要join后的输出，用/拼接成了一个字符串：

效果图：

(大圣和八戒出现次数多，字体最大)

词云图

先把全代码放上，后面实例在解析：

这段可先略过，下面直接看效果图：

#引入结巴库
import  jieba
#词云库
from wordcloud import WordCloud
# python的可视化库，也是二级考试推荐的可视化库
import matplotlib.pyplot as plt
from PIL import Image  #处理图片的
 #矩阵 好像也是协助处理图片的
import numpy as np 



#open 内置函数 不需要引用 直接使用
#开打文件西游记和python 文件放到同一个目录，可直接引用不需要路径
f = open('西游记.txt', 'r' ,encoding='utf-8'  )

# 查看文件的编码格式
print('文件的编码格式:'+f.encoding)

#读取文件
txt = f.read()

#关闭文件，良好的习惯
f.close()


# 使用精确模式对文本进行分词
#  使用结巴库把西游拆分成一个个的词组
words = jieba.lcut(txt)


# 通过键值对的形式存储词语及其出现的次数
# 大括号表示 python的字典类型对应，
# 键值对 key:value1 ,类似java的map对象和list 
counts = {}     
#数组对象  用来接收需要传递给词云的内容
chiyun = []
for word in words:
     # == 1 单个词语不计算在内
    if  len(word) < 2 :  
        continue
    else:
         # 遍历所有词语，每出现一次其对应的值加 1
        counts[word] = counts.get(word, 0) + 1   

#将键值对转换成列表
items = list(counts.items())

# 根据词语出现的次数进行从大到小排序
items.sort(key=lambda x: x[1], reverse=True)


#列标题 format
print("{0:<5}{1:<8}{2:<5}".format('序号','词语', '频率'))


#需要显示的范围  10即显示前10个，0到9
for i in range(80):
    word, count = items[i]
    print("{0:<5}{1:<8}{2:>5}".format(i+1,word, count))
    chiyun.append(word)


 #print(chiyun) 


#加载图片信息
maskph = np.array(Image.open('山东舰航母.png'))


#join 函数 用斜杆拼接词组
text_cut  =  '/'.join(chiyun)
wordcloud = WordCloud(mask =maskph,  background_color='white',font_path = 'msyh.ttc', width=1000, height=860, margin=2).generate(text_cut)
# 显示图片 
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

效果1：全部显示

即：结巴库处理好的词组，不做限制，全部送给词云显示：

显示二：限定内容显示

比如改成 只输出前20个词：（显示密度会稀好多）

即：结巴库处理好后，取前20个高频词传给词云显示：

再试一下前20的 四个字的词：

到此，相信大家对“Python如何制作词云”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

当前标题：Python如何制作词云
文章起源：http://cdiso.cn/article/iipioo.html