NLP快速入门：手把手教你用wordcloud做词云

寒树Office与RPA

发布于 2021-04-09 15:45:28

5.8K0

发布于 2021-04-09 15:45:28

文章被收录于专栏：寒树Office与RPA

导读：在上一章节介绍在Python环境下调用HanLP包进行分词的基础上，本文将介绍如何使用wordcloud绘制词云。尽管目前市面上已经有很多成熟的在线交互词云工具，但是考虑到实际工作中有很多内容是具有保密性的，无法直接在互联网上公开。因此，如何在本地搭建词云平台，自定义地绘制词云显得格外重要。

让文字更好看——词云

1.词云图是一种用来展现高频关键词的可视化表达，通过文字、色彩、图形的搭配，产生具有冲击力的视觉效果，并传达有价值的信息。

2.词云是通过形成 "关键词云层" 或 "关键词渲染"，对文本中出现频率较高的关键词的视觉上的突出，词云图能过滤掉大量的文本信息，使用户只要一眼扫过文本就可以领略文本的主旨。

常用在线交互词云工具

1.微词云：https://www.weiciyun.com/

4.图悦：http://www.picdata.cn/picdata/index.php

6.美寄词云：https://www.moage.cn/wordart

wordcloud绘制词云

wordcloud是python的一个三方库，称为词云也叫做文字云，是根据文本中的词频，对内容进行可视化的汇总，可以用来绘制用户画像。

1. 如何安装 wordcloud ？

wordcloud的API总体来说并不多，且需要进行的配置并不复杂，适合新手上手。安装wordcloud可以使用python自带的pip工具来进行，本文使用的是python3.7，pip的版本是19.2.1。由于wordcloud依赖于numpy包、pillow包和matplotlib包，所以我们要先装好上述这三个包然后再装wordcloud包，安装命令如下：

pip install numpy==1.19.1pip install pillow==7.2.0
pip install matplotlib==3.3.2
pip install wordcloud==1.8.0

2. 如何使用 wordcloud ？

wordcloud库把词云当作一个 WordCloud 对象，所以使用wordcloud可以大致分为三个步骤（以英文为例）：

1.创建对象：wc= wordcloud.WordCloud() 2.加载文本：wc.generate("Choose a life of action, not one of oste-ntation.") 3.输出文件：wc.to_file("./picture/1.png")

‍

如下图所示，一个简易、基本的词云便生成了。值得注意的是，生成的词云可以过滤掉停用词、介词、冠词等无意义的单词。

此外， wordcloud库还有如下特点。

wordcloud.WordCloud( ) 代表一个文本对应的词云；
可以根据文本中词语出现的频率等参数绘制词云；
绘制词云的形状，尺寸和颜色都可以自定义设定。

附上wordcloud内的配置参数

3. wordcloud 基础实战

在本节，本文将介绍如何通过读取文本从而生成自定义式的词云，主要分为以下4步：

1.读取文本文件（支持多种格式文本，包括word、excel、ppt等） 2.使用HanLP进行中文分词 3.使用wordcloud生成词云 4.显示/保存词云

注：使用HanLP进行中文分词可以参考我们之前的文章。

《NLP快速入门：手把手教你用HanLP做中文分词》寒树爱函数，公众号：寒树RPA与AINLP快速入门：手把手教你用HanLP做中文分词

下面附上绘制简单中文词云的代码，分词的内容是十九大报告全文。

from PIL import Image
from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt
import numpy as np

wc = WordCloud(background_color="white",# 设置背景颜色
           max_words=2000, # 词云显示的最大词数
           height=400, # 图片高度
           width=800, # 图片宽度
           max_font_size=50, #最大字体     
           stopwords=stopwords, # 设置停用词
           font_path='C:/Windows/Fonts/simhei.ttf', # 兼容中文字体，不然中文会显示乱码
           )
# 生成词云 
wc.generate(text) # 此处的text便是分好词的19大文本

# 生成的词云图像保存到本地
wc.to_file(path.join(d, "Images//19da.png"))

# 显示图像
plt.imshow(wc, interpolation='bilinear')
# interpolation='bilinear' 表示插值方法为双线性插值
plt.axis("off")# 关掉图像的坐标
plt.show()

绘制的词云如下所示。

4. wordcloud 高级实战

在本节，本文将介绍如何将词云绘制在预设定好的背景图片上。例如：以我们最熟悉的中国地图为背景，我们将在此基础上绘制词云，只需修改wordcloud里的“mask”属性值，详细代码如下所示。

from PIL import Image
from wordcloud import wordcloud
import matplotlib.pyplot as plt
import numpy as np

wc = WordCloud(background_color="white",# 设置背景颜色
           max_words=2000, # 词云显示的最大词数
           max_font_size=60, #最大字体     
           stopwords=stopwords, # 设置停用词
           mask=np.array(Image.open("./picture/china.jpg")), # 选择背景图片为中国地图
           font_path='C:/Windows/Fonts/simhei.ttf', # 兼容中文字体，不然中文会显示乱码
           )
# 生成词云 
wc.generate(text) # 此处的text便是分好词的女排评论文本

# 生成的词云图像保存到本地
wc.to_file(path.join(d, "Images//nvpai.png"))

# 显示图像
plt.imshow(wc, interpolation='bilinear')
# interpolation='bilinear' 表示插值方法为双线性插值
plt.axis("off")# 关掉图像的坐标
plt.show()

绘制的词云如下所示。