Python的wordcloud库笔记

安装:pip install wordcloud

对于英文，wordcloud默认以空格和标点为分隔符对目标文本进行分词处理。
对于中文，分词处理需要用户自己来完成。
一般先将文本分词处理然后用空格拼接，再调用wordcloud库函数。
处理中文时还需要指定中文字体，例如使用微软雅黑字体(msyh.ttc)
作为显示效果，需要将字体文件与代码存放到相同目录下或者
在字体文件名前添加完整路径。
wordcloud可以生成任何形状的词云，为了获得所需要的形状，
需要提供模板mask，模板mask的背景是白色。
需要调用两行代码:
from scipy.misc import imread 
mask = imread('bryant.jpg')
它将图片转为ndarray类型
其中scipy库作为wordcloud的依赖库会被自动安装。

代码举例:红楼梦词云

import jieba
from wordcloud import WordCloud
from scipy.misc import imread 
mask = imread('bryant.jpg')

excludes = {
     "什么","一个"}
excludes = {
     "qut"}
f = open("红楼梦.txt", "r", encoding='utf-8')
txt = f.read()
f.close()
words  = jieba.lcut(txt)
counts = {
     }
for word in words:
    if len(word) == 1:  #排除单个字符的分词结果
        continue
    else:
        counts[word] = counts.get(word,0) + 1
for word in excludes:
    del(counts[word])
items = list(counts.items())
items.sort(key=lambda x:x[1], reverse=True) 
for i in range(30):
    word, count = items[i]
    print ("{0:{2}<10}出场次数:{1:{2}<5}".format(word, count,(chr(12288))))

##############
newtxt = "".join(words)
wordcloud = WordCloud(background_color="white",\
                width=800,
                height=600,
                font_path="msyh.ttf",
                max_words=200,
                max_font_size=80,
                mask = mask,
                stopwords=excludes,
            ).generate(newtxt)
wordcloud.to_file("红楼梦词云.png")


from PIL import Image
img = Image.open('红楼梦词云.png')
img.show()

控制台输出:

Windows PowerShell
版权所有 (C) Microsoft Corporation。保留所有权利。

尝试新的跨平台 PowerShell https://aka.ms/pscore6

PS C:\Users\chenxuqi\Desktop\新建文件夹\英文文本词频统计\中文分词>  & 'D:\Python\Python37\python.exe' 'c:\Users\chenxuqi\.vscode\extensions\ms-python.python-2020.10.332292344\pythonFiles\lib\python\debugpy\launcher' '63604' '--' 'c:\Users\chenxuqi\Desktop\新建文件夹\英文文本词 
频统计\中文分词\红楼梦词云.py'
c:\Users\chenxuqi\Desktop\新建文件夹\英文文本词频统计\中文分词\红楼梦词云.py:4: DeprecationWarning: `imread` is deprecated!
`imread` is deprecated in SciPy 1.0.0, and will be removed in 1.2.0.
Use ``imageio.imread`` instead.
  mask = imread('bryant.jpg')
Building prefix dict from the default dictionary ...
Loading model from cache C:\Users\chenxuqi\AppData\Local\Temp\jieba.cache
Loading model cost 0.780 seconds.
Prefix dict has been built successfully.
宝玉　　　　　　　　出场次数:3556　
什么　　　　　　　　出场次数:1536　
一个　　　　　　　　出场次数:1413　
贾母　　　　　　　　出场次数:1200　
我们　　　　　　　　出场次数:1187　
那里　　　　　　　　出场次数:1139　
凤姐　　　　　　　　出场次数:1088　
如今　　　　　　　　出场次数:977　　
你们　　　　　　　　出场次数:976　　
王夫人　　　　　　　出场次数:958　　
老太太　　　　　　　出场次数:948　　
说道　　　　　　　　出场次数:928　　
知道　　　　　　　　出场次数:923　　
这里　　　　　　　　出场次数:921　　
起来　　　　　　　　出场次数:919　　
姑娘　　　　　　　　出场次数:911　　
出来　　　　　　　　出场次数:898　　
他们　　　　　　　　出场次数:874　　
众人　　　　　　　　出场次数:850　　
奶奶　　　　　　　　出场次数:844　　
自己　　　　　　　　出场次数:799　　
太太　　　　　　　　出场次数:790　　
一面　　　　　　　　出场次数:779　　
两个　　　　　　　　出场次数:769　　
只见　　　　　　　　出场次数:761　　
没有　　　　　　　　出场次数:756　　
怎么　　　　　　　　出场次数:725　　
不是　　　　　　　　出场次数:709　　
不知　　　　　　　　出场次数:671　　
贾琏　　　　　　　　出场次数:664　　
PS C:\Users\chenxuqi\Desktop\新建文件夹\英文文本词频统计\中文分词> 

展示效果: