[Python知识库]【python词云】利用python对文章进行视觉上的浓缩展现

一、素材准备

• 文本信息：取自《人民日报》一篇关于就业的报道
• 停用词：我选的百度的
• 图片：一张以白色为底的小黄人图片
• 和我同款素材（我上传至百度网盘）：
  链接：https://pan.baidu.com/s/1ZRXAcXALzmxIRNUFXCGNDg
  提取码：8xbn

二、库的准备

• wordcloud (词云制作)
• jieba (中文分词)
• numpy (数组处理)
• matplotlib (基础画图)
• PIL (读取图片)
• collections（统计词频）

三、wordcloud()的参数

四、制作词云

流程如下：

• 读取文本和停用词
• 对文本进行分词处理并进行筛选
• 统计词频
• 提取底片图片颜色（非必要）
• 制作词云
• 显示并保存词云图

import jieba
import collections
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator

# 素材路径
test_text = 'D:/Pycharm/wordcloud/texts/job.txt'    # 文本素材
test_stop = 'D:/Pycharm/wordcloud/stopwords/baidu_stopwords.txt'  # 停用词
test_mask = 'D:/Pycharm/wordcloud/pictures/1.png'      # 底板图片素材
test_font = 'D:/Pycharm/wordcloud/SourceHanSerifK-Light.otf'    # 字体

# 读取处理文本和停用词

text = open(test_text, encoding='utf8').read()

STOPWORDS_BAIDU = open(test_stop, encoding='utf8').read().split()

# 分词和过滤
# 筛选结果为不在停用词范围内且长度大于1的词
word_list = []
for word in jieba.cut(text):
    if word not in set(STOPWORDS_BAIDU) and len(word) > 1:
        word_list.append(word)

# 统计词频
word_counts = collections.Counter(word_list)
# 选出频率前10的词
word_counts_top100 = word_counts.most_common(10)


# 读取图片并提取图片颜色
im_mask = np.array(Image.open(test_mask))
im_colors = ImageColorGenerator(im_mask)

# 制作词云

my_cloud = WordCloud(
    background_color='white',  # 设置背景颜色  默认是black
    mask=im_mask,              # 设置图片底板
    width=900, height=600,     #
    max_words=100,              # 词云显示的最大词语数量
    font_path=test_font,      # 设置字体  显示中文
    max_font_size=30,          # 设置字体最大值
    min_font_size=5,          # 设置子图最小值
    random_state=50            # 设置随机生成状态，即多少种配色方案
).generate_from_frequencies(word_counts)

my_cloud.recolor(color_func=im_colors)  # 改变文字颜色

# 显示生成的词云
ax = plt.imshow(my_cloud)

# 显示设置词云图中无坐标轴
plt.axis('off')
plt.show()
# 保存图片
ax.figure.savefig('D:/词云.png', bbox_inches='tight', dpi=150)

五、结果展示及原图对比

• 原图：
  
• 词云图：
  

六、在线网页实现

在线的网页有很多，但一般都需要登陆使用，如：https://www.yciyun.com/ 这个在线的词云生成器。我看到需要登陆，这里就不展示效果了。不过还可以展示一下网页默认的试用款（嘻嘻，水一水 ）

网页虽然比较方便，但不如自己动手做出来的有感觉、有成就感。

如果需要词云来润色文章、报告之类的，赶时间的情况下，还是能省事就省事。

七、推荐阅读

• 使用Python制作中文词云
• Python数据可视化 词云图 绘制词云的方法总结