Python 中文词云实践（wordcloud）遇到的问题

词云项目的地址：https://github.com/amueller/word_cloud（里面有很多example可以自己玩一下）

这个wordcloud包可以根据自己的需求自定义词云的形状。词云其实逻辑比较简单，就是做词汇的词频统计，加上可视化。如果自己去实现是一个比较麻烦的事，这个包用着还不错，就是在做中文词云的时候偶尔会有一点点的小问题需要解决一下。下面就是我自己用的过程中遇到的一些问题，以及解决办法。由于词云的使用示例比较多，所以这里主要记录遇到的问题，没有给出简单示例。

1、中文词云显示的问题

     词云是基于matplotlib画图的，我们知道，这个Python画图包一直就不支持中文，之所以wordcloud库创建词云时会将中文显示为矩形，是因为使用的字体不能支持中文，解决方法是使用一个能够支持中文的字体。wordcloud有个专门设置字体的参数，我是通过这个解决问题的。解决步骤大概就是：

（1）下载支持中文的字体，我下载的"simhei.ttf"

（2）添加字体的路径：

font = r'C:\Windows\Fonts\simfang.ttf'
wc = WordCloud(collocations=False, font_path=font, width=1400, height=1400, margin=2).generate(text.lower())

 上面是我找到的比较有用的解决办法，也看到有其它解决办法可以参考一下：

https://blog.csdn.net/qq_34777600/article/details/77455674

2、词的重复出现

问题是，自己统计的词频很正常，但是在图片里面会出现一个词出现两次显示的情况，这个时候我找到了一个解决办法就是：

与collocations参数有关，默认collocations=True，会统计搭配词。比如你的text是“我在  拜访  客户”，当collocations为True时，就会把“拜访客户”也当作一个词进行统计，所以会出现重复。

wcd=WordCloud(font_path='simsun.ttc', collocations=False，width=900,height=400,background_color='white',max_words=100,scale=1.5).generate(text)

3、不在考虑范围内的词的出现(子词自动统计)

解决了上面两个问题后，还出现了一下让人很头疼的问题，就是没有考虑过的子词，它自动给统计出来了，比如“阿里巴巴有限公司”，“百度有限公司”，“腾讯有限公司”，这三个词，最后词云会显示“有限公司”这个词。后面无意间看到了一个同时解决词重复出现和子词自动统计的办法，那就是，自己先把词统计好，然后用generate_from_frequencies()的方式生成词云，这样什么问题都解决了。

import collections

word_count = collections.Counter(words_list)
wcd=WordCloud(font_path='simsun.ttc', collocations=False,background_color='white',scale=1.5).generate_from_frequencies(word_count)

在画图的时候可以设置一些属性，比如图云的形状，背景颜色，字体的颜色什么的，可以参考下面的设置：

Python词云图：指定形状、颜色和字体

python制作词云图