【Python成长之路】词云图制作

【写在前面】

    以前看到过一些大神制作的词云图 ,觉得效果很有意思。如果有朋友不了解词云图的效果,可以看下面的几张图(图片都是网上找到的);

    网上找了找相关的软件,有些软件制作 还要付费。结果前几天在大神的公众号里的文章中看到了python也能实现,而且效果也很不错 。那还等什么,不赶紧盘它?

【示例代码】

# coding=utf-8
# @Auther : "鹏哥贼优秀"
# @Date : 2019/7/31
# @Software : PyCharm
import numpy as np
import jieba
from PIL import Image
from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt

def draw_word_cloud(word):
    words = jieba.cut(word)
    wordstr = " ".join(words)
    sw = set(STOPWORDS)
    sw.add("ok")
    mask = np.array(Image.open('2.jpg'))
    wc = WordCloud(
        font_path='C:/Windows/Fonts/simhei.ttf',  # 设置字体格式
        mask=mask,
        max_words=200,
        max_font_size=100,
        stopwords=sw,
        scale=4,
    ).generate(wordstr)

    # 显示词云图
    plt.imshow(wc)
    plt.axis("off")
    plt.show()
    # 保存词云图
    wc.to_file('result.jpg')

if __name__ == "__main__":
    with open("test2.txt", "rb") as f:
        word = f.read()
    draw_word_cloud(word)

【效果如下】

【知识点】

1、词云图 制作前,需要先准备几个东西:

(1)下载python wordcloud库,也是词图库制作的关键库。我在下载这个库 时,经常因为网络超时导致下载失败,怎么办呢?多试几次呗;

(2)numpy库,用于图片处理,将图片读取后解析成数组;

(3)如果要对中文句子进行分词,那么需要jieba库;如果是英文分词,那可以不下载;

(4)如果要在界面上直接展示词云图 ,那么需要matlplotlib来画图;

(5)要处理图片,根据少不了PIL,毕竟它可是官方的图像处理库;

 

2、接下来,就是准备要分析的内容。示例代码中的txt内容,是我上一篇文章。然后就是词云图的形状。示例代码中的图片2.jpg原图如下:

3、准备工作 做完了,那自然就开始编码了。

(1)jieba.cut():就是对txt内容进行分词了,注意得到的是个generator,因此需要将其转成字符串;当然也可以使用jieba.lcut(),这 样得到的就是列表了;

(2)STOPWORDS集合的设置:停用词有什么呢?主要是对一些你不想要的单词进行过滤,比如“好的”“可以”这 类单词。另外,在对停用词进行过滤时,有两种方法,一种是像示例代码,将stopwords作为wordcloud方法的参数,这样最简单;也可以自己写段代码,人为过滤停用词;

(3)将你要的词云图形状图片打开,并作为参数传给wordcloud方法

(4)wordcloud方法各参数的意义,可以参考其他帖子:

https://blog.csdn.net/kouyi5627/article/details/80530569

里面我想着重讲的是regexp参数,即正则表达式。没错,就是正则表达式,有了这个参数,我们可以用正则表达式规则进一步实现自己的单词过滤,比如\d只显示数字。我之前遇到过 这 个坑,下面再讲。

另外,scale=4生成的图片一般是500KB左右,如果不填,默认只有10几KB;

(5)对内容进行生成词云图时,generate方法最简单,直接将字符串传进来就可以;generate_from_frequencies方法的话,需要传入字典,并自己统计好每个单词的次数;

(6)界面显示词云图的代码很简单,axis("off")是为了不显示坐标,这样更美观;

(7)即将生成的词云图保存到本地,也不多解释。

综上,大致就是示例代码 的流程,是不是蛮简单的?那自己动手来玩一次吧。

4、下面我再讲讲自己在制作词云图遇到的坑。

    一开始我是想对各期双色球号码进行词云图分析的,结果一直报错,错误如下:

ValueError: We need at least 1 word to plot a word cloud, got 0.

意思就是说我传入的wordstr是空的?怎么可能呢,我明明有数字呀?最后我在wordcloud方法的官方说明中找到了原因:

看到没?regexp参数如果不填写的话,默认是会自动过滤掉单个词的,因此数字就是因为这个原因一直被过滤了。怎么解决呢?有两个办法,第一就是传入regexp参数,比如regexp="\d*";第二种方法就是用

generate_from_frequencies方法,这样因为有每个数字的频繁在,就不会自动被过滤掉了。从我自己的使用结果来看,还是用第二种方法的效果好看点。

如果大家觉得看了有所帮助或者喜欢的话,可以关注我的公众号“鹏哥贼优秀”,谢谢大家!

作者:华为云云享开发者 鹏哥贼优秀

发布了877 篇原创文章 · 获赞 5228 · 访问量 66万+
展开阅读全文

没有更多推荐了,返回首页

分享到微信朋友圈

×

扫一扫,手机浏览