python画二维温度云图_利用python画出词云图

本文将介绍如何利用python中相应的模块画出词云图。首先给出效果图：

其中词云图中的词汇是对手机短信中的垃圾短信的统计，字体越大表示在垃圾短信中出现的频次越高。下面给出具体的步骤。

读取“垃圾短信”的csv数据

首先给出代码：

其中pandas是一个python常用的数据可视化模块。pd.read_csv函数是用来读取csv文件，data.columns是修改文件中的列的名称。

显示的结果为：

查看数据

我们对读取的80000条短信中，正常短信与垃圾短信进行统计，给出代码：

画出的效果图为：

可以看出数据库中有1/10的垃圾短信。代码中，plt.figure函数控制画图的大小，rcParams函数用来修改字体（要不然不支持中文，毕竟这不是国人开发的）。

数据清洗

首先我们选出1000条正常数据和垃圾数据（因为数据比较多，为了简化运行，我们选出2000条短信），代码为：

其中，sample函数是随机的挑选样本。运行结果：

然后我们对数据进行清洗，为什么要进行数据处理？因为我们后期用jieba库分词，而中文分词必须要求一个单词的两个汉字连在一起，不能有空格，不能有特殊符号。所以我们将数据的非汉字字符剔除掉，代码为：

其中引入两个新的库，一个是re正则表达式的库（本文不介绍正则表达式），还有一个是结巴分词库。apply函数就是对元素中每一个元素都进行后续处理，传入的是要处理的函数。

本文传入的是匿名函数。re.sub是正则表达式中的函数，用于替换语句中的词，其中参数pattern表示的是正则表达式，repl是替换成什么字符，string是输入的参数。

输出为：

画图云

最后一步就是画出图云。首先给出代码：

其中我们需要导入一个很重要的库，就是wordcloud，利用该模块，我们可以实现图云的绘画。

其中WordCloud是一个函数，用于生成词云，其中参数font_path是词云中字体的路径（在windows操作系统中字体路径一般为"C:\Windows\Fonts\***.ttf"），mask是传入绘画的图像，比如本文绘画的图像为：

background_color是设置背景颜色，fit_words函数用于传入词云的数据。绘画结果为：

疑点分析

plt.imshow(wc)使用plt模块画图，我们给出imshow函数的api文档：

传入的应该是array-like或者PIL image格式，但是我们传入的是wc（wordcloud类型的数据，而wordcloud类型是属于Wordcloud模块），为什么可以实现画图效果呢？

只有一种解释，Wordcloud模块中的wordcloud类型数据是属于PIL image类型的数据（笔者自己这么认为的，没有看底层，欢迎指出错误）

总结

本文利用python画出垃圾短信的词云图。希望对你的学习有所帮助。