python 英语词频统计软件_Python文本分析基本库——wordcloud

一、wordcloud简介

词云，又称文字云、标签云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。创建于文本分析及其可视化中。

除了网上现成的Wordle、Tagxedo、Tagul、Tagcrowd等词云制作工具，在python中也可以用wordcloud包比较轻松地实现。

官网：https://pypi.org/project/wordcloud/

github项目：https://github.com/amueller/word_cloud

二、wordcloud原理

同wordcloud做词云，主要做的是三件事：

• 文本预处理

• 词频统计

• 将高频词以图片形式进行彩色渲染

根据源码来看，wordcloud实现词云的步骤如下：

• wordcloud制作词云时，首先要对对文本数据进行分词，使用process_text()方法，这一步的主要任务是去除停用词

• 第二步是计算每个词在文本中出现的频率，生成一个哈希表。词频用于确定一个词的重要性

• 根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap 是该词云的算法所在，是词云的数据可视化方式的核心。生成词的颜色、位置、方向等

• 最后将词按对应的词频在词云布局图上生成图片，核心方法是generate_from_frequencies,不论是generate()还是generate_from_text()都最终用到generate_from_frequencies 完成词云上各词的着色,默认是随机着色

• 词语的各种增强功能大都可以通过wordcloud的构造函数实现，里面提供了22个参数，还可以自行扩展。

三、wordcloud参数

参数	解释