用Python做简易词云

爱吃西瓜的番茄酱

发布于 2018-07-25 15:35:28

1.8K0

发布于 2018-07-25 15:35:28

文章被收录于专栏：一个爱吃西瓜的程序员

最近突发奇想，想做个词云玩玩，这算是Python的一个很初级的应用，虽然很初级，依然免不了会出现各种bug~

使用工具：

Anaconda：一个开源的用于Python科学计算的发行版本
jieba：一个Python第三方库，用于中文分词。
wordcloud：一个Python的第三方库，用于生成词云。
一份中文字体文件：simsun.ttf
若干咪蒙文章资源：作为语料数据。
一张白底图片：作为词云的蒙版。

实验效果：

我用我的微信头像当做蒙版：

然后生成的词云长这个样子：

安装实验环境：

安装Anaconda 下载地址：https://www.anaconda.com/download/
安装jieba、wordcloud 下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/
中文字体文件simsun.ttf和万篇咪蒙文章资源我放在了云盘里，需要的话，这里链接：https://pan.baidu.com/s/1ZgOsdD5DPGYDUFUAd3Vzzw 密码：w94g

提示：需要将simsun.ttf文件和文章资源放在同一文件目录里，而且文章资源（数据源）应为UTF-8编码格式。并在此文件目录通过Anaconda Prompt打开jupyter notebook。关于Anaonda的安装和使用，参考这篇文章：https://www.jianshu.com/p/772740d57576

完整代码：

"""
使用蒙版图片和wordcloud生成任意形状的词云
"""

from os import path
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba

from wordcloud import WordCloud

# Windows下面文件路径要使用双斜线，第一个斜线表示转义
# 指明语料数据和蒙版图片的文件路径
d = path.dirname("D:\\python\\")

# 读取语料数据文件# 含有中文的文件要使用“rb”以二进制格式读取，否则会出现编码错误
text = open(path.join(d, 'mimeng1.txt'), "rb").read()

# 使用jieba进行中文分词
mytext = " ".join(jieba.cut(text))

# 读取蒙版图片
alice_mask = np.array(Image.open(path.join(d, "touxiang.jpg")))

# 暂定最大词汇数为1000000
wc = WordCloud(font_path="simsun.ttf", background_color="white", max_words=1000000, mask=alice_mask,
               stopwords=stopwords, contour_width=3, contour_color="steelblue")


# 生成词云
wc.generate(mytext)

# 存储到文件
wc.to_file(path.join(d, "meng.png"))

# 展示词云结果
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.figure()
plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')
plt.axis("off")
plt.show()

代码的细节在注释里都有详细的说明。

当然，同样的数据源，还可以做成很多样式的词云，比如下面这个：