【Python】生成词云图太简单了|拿来就用能的词云图代码

1 词云简介

词云也叫文字云，是一种可视化的结果呈现，常用在爬虫数据分析中，原理就是统计文本中高频出现的词，过滤掉某些干扰词，将结果生成一张图片，直观的获取数据的重点信息。今天，我们一起来学习一下Python生成词云的常用库「wordcloud」。

wordcloud是第三方库，需要提前下载安装。

安装： pip install wordcloud

 wordcloud 对象有很多参数设定，设定不同的参数，可以绘制不同形状、颜色和尺寸的词云图。

2 WordCloud对象常用参数 

3 WordCloud常用方法 

 wordcloud默认是为了英文文本来做词云的，如果需要制作中文文本词云，就需要先对中文进行分词。这里就需要用到中文分词库「jieba」。

4 jieba 分词库

jieba 是优秀的中文分词库，需要安装。它的原理是利用一个中文词库，确定中文字符之间的关联概率，汉字间概率大的组成词组，形成分词结果，除了分词，还可以添加自定义词组。

安装：pip install jieba

jieba有三种分词模式，这里我们只学习它的精确模式，把文本精确地切分开，不存在冗余单词。

使用jieba.lcut(s)，返回列表型分词结果。当然，也可以使用jieba.add_word(w)向jieba库中增加词语。

5 使用wordcloud生成词云的步骤

• 读取文件，分词整理，生成词云文本
• 配置wordcloud对象参数，加载词云文本
• 计算词频，输出词云文件

6 词云案例

        --- 爬取最近很火的一部电影《芭比》的影评数据，生成词云图。 

1）生成文本文件 

        获取豆瓣电影网站10页短评数据，保存到文本中。

代码如下：

import requestsfrom lxml import etreeimport timeimport random# 通过观察url翻页的规律，使用for循环得到10个链接，保存到urls列表中urls = ['https://movie.douban.com/subject/4058939/comments?start={}&limit=20&status=P&sort=new_score'.format(str(i)) for        i in range(0, 200, 20)]# print(urls)headers = {    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36"}# 初始化用于保存短评的列表comments_list = []# 使用for循环遍历获取每个页面的数据，保存到comments_list列表中for url in urls:    resp = requests.get(url=url, headers=headers).text    html = etree.HTML(resp)    data_list = html.xpath('//div[@id="comments"]/div[@class="comment-item "]')    # page_list用于保存同一页面内的所有评论    page_list = []    for data in data_list:        comment = data.xpath('./div[2]/p/span/text()')[0]        page_list.append(comment)    # print(page_list)    comments_list.extend(page_list)    # 让程序随机睡眠0~3秒，避免速度过快被反爬    time.sleep(random.randint(0, 3))print("共获取电影《芭比》的短评条数：", len(comments_list))with open('movie_comments.txt', 'w', encoding='utf-8') as f:    # 将列表中的数据逐条写入到文本文件中    for comment in comments_list:        f.write(comment + "\n")

 2）生成基本的词云

        读取第一步中的文本文件，生成词云图。

 代码如下：

import jiebaimport wordcloud# 读取文本with open("movie_comments.txt", encoding="utf-8") as f:    s = f.read()# print(s)# 生成分词列表list_s = jieba.lcut(s)# print(ls)# 用空格连接成字符串文本text = ' '.join(list_s)# print(text)# 将不需要显示的词整理好后，放入stopwords中stopwords = ["是", "的", "了", "啊"]# 创建词云对象wc = wordcloud.WordCloud(font_path="msyh.ttc",                         width=1000,                         height=700,                         background_color='white',                         max_words=100,                         stopwords=stopwords)# msyh.ttc是电脑本地字体，也可以写成绝对路径，字体也可以根据需求换其他字体文件wc.generate(text)   # 加载词云文本wc.to_file("芭比comments.png")  # 保存词云图文件

词云图效果如下：

 3）添加蒙版图片的词云图

可以将有白色背景的图片作为蒙版图片，而有图案的地方会被词云填充。

添加蒙版图片需要使用PIL库和numpy库，需提前下载安装。

本案例添加蒙版图片如下：

 代码如下：

from wordcloud import WordCloudfrom PIL import Imageimport numpy as npimport jieba# 打开文本with open("movie_comments.txt", encoding="utf-8") as f:    s = f.read()# 中文分词text = ' '.join(jieba.cut(s))# 打开蒙版图片，生成Image对象img = Image.open("img/chicken.jpg")  # 打开遮罩图片# 生成蒙版mask = np.array(img)   # 将图片转换为数组# 整理不需要显示的词stopwords = ["的", "是", "了", "在", "也", "和", "就", "都", "这", "你", "我", "她"]# 生成WordCloud词云对象，并加载text字符串文本wc = WordCloud(font_path="msyh.ttc",               mask=mask,               width=1000,               height=800,               background_color='white',               max_words=200,               stopwords=stopwords).generate(text)# 保存词云图到文件wc.to_file("芭比comments.png")

词云图效果如下：

来源地址：https://blog.csdn.net/weixin_43498642/article/details/131988857