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!

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 formatprint("{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 formatprint("{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9for 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 pltstr=['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 pltfrom 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 formatprint("{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9for 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！