Python 可视化：怎么做中文wordcloud？附：案例&代码

最新推荐文章于 2024-08-07 09:26:25 发布

htuhxf

最新推荐文章于 2024-08-07 09:26:25 发布

阅读量5.8k

点赞数 6

分类专栏：数据可视化文章标签： python wordcloud jieba 中文 windows自带字体

本文链接：https://blog.csdn.net/htuhxf/article/details/79806227

版权

数据可视化专栏收录该内容

14 篇文章 23 订阅

订阅专栏

Python：Python 3.6 (64-bit)

Jetbrean：PyCharm Community Edition 2018.1

操作系统：Windows7

WorldCloud()官方使用说明 & matplotlib.pyplot.imshow()官方使用说明链接这里。先看我实现的代码和运行结果：

from wordcloud import WordCloud, ImageColorGenerator  # 引入词云WordCloud
from scipy.misc import imread                         # 引入读取图片的工具
import jieba                                          # 引入分词的词典
import matplotlib.pyplot as plt                       # 制图包， as作用是重命名长度大的程序，方便引用写码


text = open('G:/CPDA/1.txt','r').read()                # 可分为两步, 1st: file = open(), 2nd: text = file.read()
# 英文文档不需要此行jieba代码。
cut_text = ' '.join(jieba.cut(text))                   # 让jieba把文本进行分词，从而词云显示“词组”而不是“句子”。并重新命名为cut_text，以示区别。
                                                       # 注意：不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8
bg_pic = imread('G:/CPDA/1.png')                       # 文件路径需要加引号；创建图片，这是为了替换WordCloud默认的长方形输出形状；
wc = WordCloud(                                        # WordCloud()设定词云参数，.generate()将str文本生成词云
    mask=bg_pic,                                       # 设定词云形状是bg_pic。
    font_path='c:\windows\Fonts\simhei.ttf'            # 设定文字的类型为中文黑体。
    background_color='white',                          # 设定图片背景为白色。默认为黑色。
    scale=15,                                          # 设定图片像素密度为15.默认之为1。
).generate(cut_text)                                   

image_color = ImageColorGenerator(bg_pic)              # 提取图片的色彩分布
a = wc.recolor(color_func = image_color)                # 替换默认的字体颜色

plt.imshow(a, interpolation='bilinear')        # Bilinear：双线性插值算法，用来缩放显示图片。缩放就是把原图片的像素应用坐标系统，用坐标表示，
                                               # 双线性插值算法就是把一个坐标不是整数的点的坐标，用最近的四个整数点坐标指示出来；                                               
                                               # 输出时，将云图按照图片的色彩分布进行显示。
plt.axis('off')                                        # 关闭坐标轴显示
plt.show() 
                                            # 最终从窗口显示词云
wc.to_file("pjl_cloud1.jpg")                     # 保存图片，默认和本.py文件保存到一处。

附注部分：

Q1、pip install wordcloud装不了怎么办？

从官网链接下载，然后windows的cmd中执行：

pip install <系统盘路径> + <文件名> wordcloud‑1.4.1‑cp36‑cp36m‑win_amd64.whl

1. 一些国内浏览器无法下载wordcloud，比如QQ浏览器。可以使用Chorm浏览器。

1. 如何选择Wordcloud版本？例如：wordcloud‑1.4.1‑cp36‑cp36m‑win_amd64.whl

· “cp36”表示适用“Python3.6“,

· “win_amd64”表示适用64位“Python3.6“软件，

2. 不能为了图省事修改.whl文件的名字，否则无法安装。

Q2：如何正常显示中文，而不是矩形框框？

指定文本字体为中文，因为worldcloud默认英文

wordcloud = WordCloud(
    font_path='c:\windows\Fonts\simhei.ttf',          # 写明地址，指定文字的类型为中文黑体。
).generate(cut_text)

font_path='c:\windows\Fonts\xxx.ttf'：C盘的“c”大小写没有影响，但文件路径有影响，如“Fonts“不能写成“fonts”。

拓展：怎么指定字体是中文？从哪里找中文字体？有2个途径：

- 其一直接使用Windows自带中文（具体方法见问题3）

- 其二网上下载.ttf格式的中文文档，放到C：\windows\fonts文件夹里边

Q3：为什么得到的是“句子云”？为什么使用了jieba.cut()函数之后，还要使用 join()函数？

产生“句子云”的原因有2个：

要么没有使用jieba.cut()进行分词，txt被直接用于WordCloud.generate()；
要么使用了jieba.cut()但是没有用符号分隔jieba分好的词，（比如''.join()）使得句子变回了原始txt格式，这时WordCloud.generate()只能按标点符号得到“句子云”。

使用join()函数的原因：

使用jieba进行分词，我们会得到一个可迭代的generator，但是WordCloud.generate()只使用str格式，不使用generator。
这时候使用jion()函数把generator格式转换为str格式就OK了。通过例子我们能清楚的看出来jion()函数和jieba.cut()函数的功能：

from wordcloud import WordCloud, ImageColorGenerator  # 引入词云WordCloud
from scipy.misc import imread                         # 引入读取图片的工具
import jieba                                          # 引入分词的词典
import matplotlib.pyplot as plt                       # 制图包， as作用是重命名长度大的程序，方便引用写码


# jieba.cut()函数
# 假设我们有一个名为“haha.txt”，内容为“我勒个去，txt读取之后是什么格式？”的文件。

txt = open('f:/haha.txt', 'r').read()
cut_txt = ' '.join(jieba.cut(txt))                      # 特殊符号为 空格符
j_txt = jieba.cut(txt)
cut1_txt = ''.join(jieba.cut(txt))                      # 没有特殊符号

print(f'type of txt:{type(txt)}')
print(f'type of cut_txt:{type(cut_txt)}')
print(f'type of j_txt:{type(j_txt)}')
print(f'type of cut1_txt:{type(cut1_txt)}')

 # 结果如下：
"""
type of txt:<class 'str'>
type of cut_txt:<class 'str'>
type of j_txt:<class 'generator'>
type of cut_txt:<class 'str'>
"""
print(txt)
print(cut_txt)
print(j_txt)
print(cut1_txt)
"""
# 我的测试文本内容

我勒个去，txt读取之后是什么格式？                               # str格式
我勒个 去 ， txt 读取 之后 是 什么 格式 ？                      # 我们要的就是它：句子被分词 & 格式是str 
<generator object Tokenizer.cut at 0x000000000B3F49E8>        # 这是为什么jieba.cut()不能直接用
我勒个去，txt读取之后是什么格式？                                # 只是用jion.()可以把generator转化为str，但是jieba.cut()失效了，相当于没有分词。

"""