1. 导入需要的包package
import matplotlib.pyplot as plt from scipy.misc import imread from wordcloud import WordCloud,STOPWORDS import xlrd
2. 设置生成词云图的背景图片，最好是分辨率高且色彩边界分明的图片
def set_background(picpath): back_coloring = imread(picpath)# 设置背景图片，png等图片格式 return back_coloring
3. 创建词云图：WordCloud
def create_word_cloud(txt_str, back_coloring): #txt_str表示导入的是字符串格式数据，#back_color表示的是背景图片位置 print('---- 根据词频，开始生成词云! ----') font = r'C:\Windows\Fonts\simsun.ttc' #加载显示字体 wc = WordCloud( font_path=font, collocations=False, # 去重，如果不加，词云图会显示相同的词 stopwords=STOPWORDS, #加载停用词，如果不自己指定，则会加载默认的停用词 max_words=100, width=2000, height=1200, # background_color='white', mask=back_coloring, ) wordcloud = wc.generate(txt_str) # 写词云图片 wordcloud.to_file(".\wordcloud_test.png") # 显示词云文件 plt.imshow(wordcloud) plt.axis("off") plt.show()
4. 默认的停用词一般在：假如anaconda安装在D盘，则会在其目录：D：\Anaconda3\Lib\site-packages\wordcloud\stopwords，其中都是英文词，例如：
注意：也可以在jieba分词中，先利用自己的停用词，得到去除停用词之后的文本字符串来绘制词云图：https://www.cnblogs.com/qi-yuan-008/p/11689530.html
5. 此时，词云图无法显示数字，这是因为 wc.generate 操作中，有去除数字的语句：在wordcloud.py中，第560行左右，所以想要显示数字，需要先注释这一行
6. 假设想要显示的词，已经经过jieba分词，保存在txt文档中，则绘制词云图的方法是：
例如：txt中是每行是一个词：
则，先读取txt文件，形成字符串格式文本，再绘制
if __name__ == '__main__': picpath = r".\xxx.png" #背景图片路径 back_coloring = set_background(picpath) with open(r".\jieba_分词数据.txt", "r",encoding='utf-8') as f: remove_stop_str = f.read() create_word_cloud(remove_stop_str, back_coloring)
7. 如果通过jieba分词的数据已经处理成了(词, 词频)并保存在excel中，例如这种两列格式的excel表，第一行是标签如(词, 词频)：
则可以先读取词频再显示，python读取excel数据可以通过 xlrd.open_workbook 方法：
def read_from_xls(filepath,index_sheet): #读取文件名，filepath是excel文件的路径，index_sheet是第几个sheet #读取表格# # 设置GBK编码 xlrd.Book.encoding = "gbk" rb = xlrd.open_workbook(filepath) print(rb) sheet = rb.sheet_by_index(index_sheet) nrows = sheet.nrows data_tmp = [] for i in range(nrows - 1): tt=i+1 #excel的第一行是标签 tmp_char = [str(sheet.cell_value(tt,0))] #第一列是词 tmp_num = int(sheet.cell_value(tt,1)) #第二列是词频 data_tmp.extend(tmp_char*tmp_num) return data_tmp
然后，读数据和生成词云图：
if __name__ == '__main__': picpath = r".\xxx.png" back_coloring = set_background(picpath) data_dic = read_from_xls(r'D:\Python_workspace\spyder_space\jieba分词表.xlsx',0) data_dic_str = '\n'.join(data_dic) #转成字符串格式 create_word_cloud(data_dic_str, back_coloring)
8. 总结代码
# -*- coding: utf-8 -*- """ Created on Mon Aug 19 10:47:17 2019 @author: Administrator """ import matplotlib.pyplot as plt from scipy.misc import imread from wordcloud import WordCloud,STOPWORDS import xlrd def set_background(picpath): back_coloring = imread(picpath)# 设置背景图片 return back_coloring def create_word_cloud(txt_str, back_coloring): print('---- 根据词频，开始生成词云! ----') font = r'C:\Windows\Fonts\simsun.ttc' wc = WordCloud( font_path=font, collocations=False, # 去重 stopwords=STOPWORDS, max_words=100, width=2000, height=1200, # background_color='white', mask=back_coloring, ) wordcloud = wc.generate(txt_str) # 写词云图片 wordcloud.to_file(".\wordcloud_test.png") # 显示词云文件 plt.imshow(wordcloud) plt.axis("off") plt.show() def read_from_xls(filepath,index_sheet): #读取文件名 #读取表格# # 设置GBK编码 xlrd.Book.encoding = "gbk" rb = xlrd.open_workbook(filepath) print(rb) sheet = rb.sheet_by_index(index_sheet) nrows = sheet.nrows data_tmp = [] for i in range(nrows - 1): tt=i+1 tmp_char = [str(sheet.cell_value(tt,0))] tmp_num = int(sheet.cell_value(tt,1)) data_tmp.extend(tmp_char*tmp_num) return data_tmp if __name__ == '__main__': picpath = r".\xxx.png" back_coloring = set_background(picpath) data_dic = read_from_xls(r'D:\Python_workspace\spyder_space\jieba分词表.xlsx',0) data_dic_str = '\n'.join(data_dic) # with open(r".\jieba_分词数据.txt", "r",encoding='utf-8') as f: # remove_stop_str = f.read() create_word_cloud(data_dic_str, back_coloring)
# 当然绘制词云图的方法有很多，这只是其中的一种