python生成词云

“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。

“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。

1.代码

import jieba.posseg as psg
import numpy as np
from PIL import Image
from wordcloud import WordCloud, STOPWORDS

#根据词频降序排序
def wordsort(word_list):
    word_frequency = {}
    for word in word_list:
        if word in word_frequency:
            word_frequency[word] += 1
        else:
            word_frequency[word] = 1
                
    word_sort = sorted(word_frequency.items(), key = lambda x:x[1], reverse = True) 
    return word_sort

    
# 生成词云
def word_cloud(word_list):
    words_space_split = " ".join(word_list)

    # 设置停用词 
    sw = set(STOPWORDS) 
    sw.add("的")  # 停用词可以在后面设置为None

    # 图片模板和字体
    image=np.array(Image.open('轮廓.jpg')) 
    font=r'./simhei.ttf'  # 字体路径设置

    # 设置词云样式
    my_wordcloud = WordCloud(scale=4, font_path=font, mask=image, stopwords=sw, background_color = 'white',
                             max_words = 120, max_font_size = 60, random_state=20).generate(words_space_split)

    #保存生成的图片
    my_wordcloud.to_file('词云.jpg')


if __name__ == "__main__":
    
    # 1. 打开项目文件
    with open('流浪地球.txt', 'r',encoding = 'utf-8') as f:
        content = (f.read())
        f.close()

    # 2. 分离名词，放在 list_words 里
    list_words = []
    for x in psg.cut(content):
        # 保留名词长度至少两个字
        if x.flag in ['n', 'nr', 'ns'] and len(x.word) > 1:
            list_words.append(x.word)

    # 3. 按照词频由大到小排序，放在 list_words_sorted 里
    list_words_sorted = wordsort(list_words)

    # 4. 词云生成
    word_cloud([x[0] for x in list_words_sorted])
    
    # 5. 打印TOP10
    print('\n序号\t名词\t词频\t柱图\n')
    rate = 10  # 倍率，每出现rate个绘制1个单元
    for i in range(10):
        print( '{}\t{}\t{}\t{}\n'.format(i+1, list_words_sorted[i][0], list_words_sorted[i][1], '▂' * (list_words_sorted[i][1] // rate)) )

2.结果

这里轮廓图是网上找的，生成的词云只利用了图的轮廓。

轮廓.jpg

词云.jpg

3.在线生成词云

此外，还有很多可以在线生成词云的工具，如Wordle，微词云minitagcloud
WordItOut，Tagxedo，WordArt，ToCloud