Python小应用系列之数据可视化之用Python制作词云图

0 引言

词云图，也称文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文章的主旨。

1 环境

操作系统：Windows

Python版本：3.7.2

2 模块准备

本文涉及到的Python第三方模块，共计四个：分词模块jieba，文字云模块wordcloud，画图模块matplotlib，用来处理背景图片的模块scipy。这些模块均可通过pip方式进行安装：

pip install jieba
pip install wordcloud
pip install matplotlib
pip install scipy

注：在安装wordcloud时，可能会遇到报错，解决方案见：《装Python第三方库遇Error：C++ 14.0 is required.》

模块的导入：

# 分词模块
import jieba
# 画图模块
import matplotlib.pyplot as plt
# 文字云模块
from wordcloud import WordCloud
# 这是一个处理图像的函数，用于读取并处理背景图片
from scipy.misc import imread

3 实现思路

准备好一份自己需要分析的文本材料，这里选用的是19年两会新鲜出炉的政府工作报告。我们首先得通过jieba模块对文本材料进行分词处理，然后对处理后的材料使用wordcloud文字云模块生成相应的词云图片即可。

当然了你可以选择一个背景图片，并以此为基础生成特定的云图，这时就用到了上面提到的另外两个模块scipy和matplotlib。

好了，思路有了，那就开始实践吧~

4 小试牛刀

小试牛刀章节教你仅用9行代码，来生成一个词云图，先欣赏下最终的效果图。

4.1 效果图

4.2 代码实现

制作云图的思路，上文已作说明，这些就不再赘述了，直接看代码，代码中已添加详细注释说明。

import jieba
import wordcloud

# 读取词源文件
with open("govreport.txt", 'rb') as f:
    t = f.read()

# 进行分词
ls = jieba.lcut(t)
# 把分词用空格连起来
txt = ' ' .join(ls)

# 设置词云参数
w = wordcloud.WordCloud(
    # 设置字体 
    font_path = 'SIMYOU.TTF', 
    # 设置输出的图片宽高像素值
    width = 1000, height = 700,
    # 设置输出的图片背景色
    background_color = 'white')

# 生成词云
w.generate(txt)

# 将图片保存到本地
w.to_file('2019GovReport.png')

除去注释、导入模块占用的两行，剩下仅7行的代码，你来说说Python强大不？

小试牛刀不够牛？上面做出的云图不够完美？那就继续看下去，这里来实现一个定制图案的云图。

5 中试牛刀

我们这里有一张祖国地图，是否可以定制生成一个祖国版图样式的词云图呢？

答案是肯定的，只因为Python太强大，实现思路直接看代码。

5.1 代码实现

# 分词模块
import jieba
# 画图模块
import matplotlib.pyplot as plt
# 文字云模块
from wordcloud import WordCloud
# 这是一个处理图像的函数，读取背景图片
from scipy.misc import imread

# 词源的文本文件
wf = 'govreport.txt'
# 读取文件内容
word_content = open(wf,'r',encoding='utf-8').read().replace('\n','')
# 设置背景图片
img_file = 'China.jpg'
# 解析背景图片
mask_img = imread(img_file)
# 进行分词
word_cut = jieba.cut(word_content)
# 把分词用空格连起来
word_cut_join = " ".join(word_cut)
# 设置词云参数
wc = WordCloud(
    # 设置字体  
    font_path='SIMYOU.TTF',
    # 允许最大词汇量
    max_words = 2000,
    # 设置最大号字体大小
    max_font_size = 90,
    # 设置使用的背景图片，这个参数不为空时，width和height会被忽略
    mask = mask_img,
    # 设置输出的图片背景色
    background_color = 'white')

# 生成词云
wc.generate(word_cut_join)
# 用于显示图片，需配合plt.show()一起使用
plt.imshow(wc)
# 去掉坐标轴
plt.axis('off')
# 将图片保存到本地
plt.savefig('2019GovReport.jpg')
plt.show()