使用Python造一片词云

一、简介

背景

“词云”又称文字云，是文本数据的视觉表示，由词汇组成类似云的彩色图形，用于展示大量文本数据。通常用于描述网站上的关键字元数据（标签），或可视化自由格式文本。
词云中每个词的重要性以字体大小或颜色显示，由词汇组成类似云的彩色图形。

“词云”这个概念由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登（Rich Gordon）提出，他做过编辑、记者，曾担任迈阿密先驱报（MiamiHerald）新媒体版的主任。他一直很关注网络内容发布的最新形式——即那些只有互联网可以采用而报纸、广播、电视等其它媒体都望尘莫及的传播方式。通常，这些最新的、最适合网络的传播方式，也是最好的传播方式。

作用

因此，“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。

• 快速感知最突出的文字
• 快速定位按字母顺序排列的文字中相对突出的部分

词云的本质是点图，是在相应坐标点绘制具有特定样式的文字的结果。

二、Python-词云

针对如下图所示的TXT文本，利用Python构造词云：

代码如下：

  import jieba
  from wordcloud import WordCloud
  import matplotlib.pyplot as plt

  text = open(r'\\Mac\Home\Desktop\vlookup.txt',encoding='utf-8')
  mylist = list(text)

  word_list = [" ".join(jieba.cut(sentence)) for sentence in mylist]
  new_text = ' '.join(word_list)
  wordcloud = WordCloud(font_path='simhei.ttf',
			background_color='black').generate(new_text)
  plt.imshow(wordcloud)
  plt.axis("off")
  plt.savefig(r'\\Mac\Home\Desktop\test\ciyun.png')
  plt.show()

三、扩展-抠图

同样的测试文本，还可使用指定图像进行抠图，例如使用白色为背景，则以指定图像中非白色为轮廓填入词汇生成词云。
代码如下：

  import jieba
  from wordcloud import WordCloud
  import matplotlib.pyplot as plt
  from PIL import Image
  # from scipy.misc import imread
  from matplotlib.pyplot import imread


  text = open(r'\\Mac\Home\Desktop\test.txt',encoding='utf-8')
  mylist = list(text)
  word_list = [" ".join(jieba.cut(sentence)) for sentence in mylist]
  new_text = ' '.join(word_list)
  pac_mask = imread(r'\\Mac\Home\Desktop\test.jpg')
  wc = WordCloud(font_path='simhei.ttf',
		background_color='white',max_words=2000,mask=pac_mask).generate(new_text)
  plt.imshow(wc)
  plt.axis('off')
  plt.show()
  wc.to_file(r'\\Mac\Home\Desktop\test\ciyun1.png')

得到的词云图如下：

免费下载试用：https://support.i-search.com.cn/