词云绘制六步走:
1、准备文本
2、文本预处理
3、中文分词
4、词频统计
5、配置并生成词云
6、绘制词云
一个简单的词云绘制项目:
import re
import collections # 词频统计库
import numpy as np # numpy数据处理库
import jieba # 结巴分词
import wordcloud # 词云展示库
from PIL import Image # 图像处理库
import matplotlib.pyplot as plt # 图像展示库
# 读取文件
fn = open('51job.csv')
string_data = fn.read()
fn.close()
# 文本预处理
pattern = re.compile(u'\t|,|/|。|\n|\.|-|:|;|\)|\(|\?|"') # 定义正则表达式匹配模式
string_data = re.sub(pattern,'',string_data) # 将符合模式的字符去除
# 文本分词
seg_list_exact = jieba.cut(string_data,cut_all=False) # 精确模式分词
object_list = []
remove_words = [u'的', u',',u'和', u'是', u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',u'通常',u'如果',u'我们',u'需要',u'(',u')',u'有限公司',u'万月',u'0403'] # 自定义去除词库
for word in seg_list_exact:
if word not in remove_words:
object_list.append(word)
# 词频统计
word_counts = collections.Counter(object_list) # 对分词做词频统计
word_counts_top10 = word_counts.most_common(10) # 获取前10最高频的词
print(word_counts_top10)
# 词频展示
mask = np.array(Image.open('bg1.jpg')) # 定义词频背景
wc = wordcloud.WordCloud(
font_path='SC-Light.otf', # 设置字体
mask = mask, # 背景图设置
max_words=300, # 最多显示词数
max_font_size=100 # 字体最大值
)
wc.generate_from_frequencies(word_counts) # 从字典生成词云
image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案
wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案
plt.imshow(wc) # 显示词云
plt.axis('off') # 关闭坐标轴
plt.show() # 显示图像
结果如下: