拿来就用能的Python词云图代码|wordcloud生成词云详解

词云也叫文字云,是一种可视化的结果呈现,常用在爬虫数据分析中,原理就是统计文本中高频出现的词,过滤掉某些干扰词,将结果生成一张图片,直观的获取数据的重点信息。今天,我们就来学习一下Python生成词云的常用库「wordcloud」

「安装」pip install wordcloud

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

「wordcloud」对象有很多参数设定,可以绘制不同形状、颜色和尺寸的词云图。

WordCloud对象常用参数

参数 说明
font_path 设置字体,指定字体文件的路径
width 生成图片宽度,默认400像素
height 生成图片高度,默认200像素
mask 词云形状,默认使用矩形
min_font_size 词云中最小的字体字号,默认4号
font_step 字号步进间隔,默认1
max_font_size 词云中最大的字体字号,默认根据高度自动调节
max_words 词云显示的最大词数,默认200
stopwords 设置停用词(需要屏蔽的词),停用词不在词云中显示,默认使用内置的STOPWORDS
background_color 图片背景颜色,默认黑色

WordCloud常用方法

方法 功能
generate(text) 加载词云文本
to_file(filename) 输出词云文件

wordcloud默认是为了英文文本来做词云的,如果需要制作中文文本词云,就需要先对中文进行分词。这里就需要用到中文分词库「jieba」

jieba

「jieba」是优秀的中文分词库,需要安装。它的原理是利用一个中文词库,确定中文字符之间的关联概率,汉字间概率大的组成词组,形成分词结果,除了分词,还可以添加自定义词组。

安装:pip install jieba

jieba有三种分词模式,这里我们只学习它的精确模式,把文本精确的切分开,不存在冗余单词。

使用jieba.lcut(s),返回列表型分词结果。当然,也可以使用jieba.add_word(w)向jieba库中增加词语。

词云案例

爬取最近很火的一部电影《你好,李焕英 》的影评数据,生成词云。

「获取10页短评数据,保存到文本中。」

import requests
from bs4 import BeautifulSoup
import time
import random
urls=['https://movie.douban.com/subject/34841067/comments?start={}&limit=20&status=P&sort=new_score'.format(str(i)) for i in range(0, 200, 20)] #通过观察的url翻页的规律,使用for循环得到10个链接,保存到urls列表中
print(urls)
dic_h = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36"}
comments_list = [] #初始化用于保存短评的列表

for url in urls: #使用for循环分别获取每个页面的数据,保存到comments_list列表
    r = requests.get(url=url,headers = dic_h).text

    soup = BeautifulSoup(r, 'lxml')
    ul = soup.find('div',id="comments")
    lis= ul.find_all('p')

    list2 =[]
    for li in lis:
        list2.append(li.find('span').string)
    # print(list2)
    comments_list.extend(list2)
    time.sleep(random.randint(0,3)) # 暂停0~3秒
    
with open('lhy_comments.txt', 'w', encoding='utf-8') as f: #使用with open()新建对象f
    # 将列表中的数据循环写入到文本文件中
    for i in comments_list:
        f.write(i+"\n") #写入数据

使用wordcloud生成词云的步骤

「1.读取文件,分词整理」

「2.配置对象参数,加载词云文本」

「3.计算词频,输出词云文件」

基本的词云

import jieba
import wordcloud
# 读取文本
with open("lhy_comments.txt",encoding="utf-8") as f:
    s = f.read()
print(s)
ls = jieba.lcut(s) # 生成分词列表
text = ' '.join(ls) # 连接成字符串


stopwords = ["的","是","了"] # 去掉不需要显示的词

wc = wordcloud.WordCloud(font_path="msyh.ttc",
                         width = 1000,
                         height = 700,
                         background_color='white',
                         max_words=100,stopwords=s)
# msyh.ttc电脑本地字体,写可以写成绝对路径
wc.generate(text) # 加载词云文本
wc.to_file("李焕英1.png") # 保存词云文件

词云效果如下:

拿来就用能的Python词云图代码|wordcloud生成词云详解_第1张图片


添加蒙版图片的词云

可以将有白色背景的图片作为蒙版图片,有图案的地方会被词云填充。

添加蒙版图片需要使用PIL,numpy库。

添加蒙版图片如下:

拿来就用能的Python词云图代码|wordcloud生成词云详解_第2张图片

# 示例代码
from wordcloud import WordCloud
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba

# 打开文本
with open("lhy_comments.txt",encoding="utf-8") as f:
    s = f.read()

# 中文分词
text = ' '.join(jieba.cut(s))

# 生成对象
img = Image.open("mask_pic.png") # 打开遮罩图片
mask = np.array(img) #将图片转换为数组

stopwords = ["我","你","她","的","是","了","在","也","和","就","都","这"]
wc = WordCloud(font_path="msyh.ttc",
               mask=mask,
               width = 1000,
               height = 700,
               background_color='white',
               max_words=200,
               stopwords=stopwords).generate(text)

# 显示词云
plt.imshow(wc, interpolation='bilinear')# 用plt显示图片
plt.axis("off")  # 不显示坐标轴
plt.show() # 显示图片

# 保存到文件
wc.to_file("李焕英2.png")

词云效果如下:

拿来就用能的Python词云图代码|wordcloud生成词云详解_第3张图片


往期推荐

pandas操作excel全总结

干货 | 2021 年如何一步一步的学习 Python

Python爬虫数据存哪里|数据存储到文件的几种方式

面试常问的 25+ 个 Linux 命令

你可能感兴趣的:(python,编程语言,数据分析,数据挖掘,html)