绘制词云图

当个技术宅其实挺难的，我代码能力太弱了。

需要放在工作路径下的文件有：中文字体文件、背景图片、停用词、语料。

导入需要的库：

import csv
import re, jieba
# 词云生成工具
from wordcloud import WordCloud,ImageColorGenerator
# 对中文进行处理
import matplotlib.font_manager as fm
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']

词云那个库安装应该没什么障碍。

读取语料：

def read_csv(filename):
    text = ''
    # 读取文件内容
    # 编码方式要根据实际情况
    with open(filename, 'r', encoding='gbk', newline='') as file_test:
        reader = csv.reader(file_test)
        i = 0
        for row in reader:
            if i > 0:
                text += row[4] # 里面索引表示要读哪一列
            i += 1
        print('共有：' + str(i - 1) + '条文本')
        return text

读取停用词文件：

# 加载停用词到一个集合
def load_stopword(stopwords_path):
    stopword_set = set()
    with open(stopwords_path, "r", encoding = "utf-8") as stopwords:
        for stopword in stopwords:
            stopword_set.add(stopword.strip('\n'))
    return stopword_set

语料文本预处理：

# 只保留中文字符，分词，去除停用词
# 文件路径要写成/不能是\
def clearText(text, stopword_set):
    # 定义一个空列表，将已经去除了停用词的分词保存
    mywordList=[]
    #text = re.sub('[,.?!:;\'\"，。？！：；、‘’“”《》~ \r\n]', '', text)
    # 只保留中文字符
    text = ''.join(re.findall(r'[\u4e00-\u9fa5]', text))
    #进行分词
    seg_list = jieba.lcut(text,cut_all=False)
    #对默认模式分词的结果进行遍历，去除停用词
    for myword in seg_list:
        #去除停用词
        if (myword not in stopword_set) and (len(myword.strip())>1):
            mywordList.append(myword.strip())
    return ' '.join(mywordList)

绘制并保存词云图：

def make_wordcloud(text1):
    # 把不想展示的词语删掉
    text1 = text1.replace("公司", "")
    # 读取词云形状的图片
    bg = plt.imread("bgpic.jpg")
    # 生成
    wc = WordCloud(# FFFAE3
        background_color="white",  # 设置背景为白色，默认为黑色
        width=890,  # 设置图片的宽度
        height=600,  # 设置图片的高度
        mask=bg,
        # margin=10,  # 设置图片的边缘
        max_font_size=150,  # 显示的最大的字体大小
        random_state=50,  # 为每个单词返回一个PIL颜色
        font_path='simkai.ttf'  # 中文处理，用系统自带的字体
    ).generate_from_text(text1)
    # 为图片设置字体
    my_font = fm.FontProperties(fname='simkai.ttf')
    # 图片背景
    bg_color = ImageColorGenerator(bg)
    # 开始画图
    plt.imshow(wc.recolor(color_func=bg_color))
    # 为云图去掉坐标轴
    plt.axis("off")
    # 画云图，显示
    # 保存云图
    wc.to_file("pictures/wordcloud1210.png")

运行：

contents = read_csv("finalrisktext.csv")
stopword_set = load_stopword("stopwords0.txt")
text = clearText(contents, stopword_set)
make_wordcloud(text)

效果：

目前还不清楚怎么把词语搞成彩色的，后面有空再研究研究。

参考资料：https://github.com/XksA-me/spider/blob/master/spider_maoyan/analysis_data.py