python可视化词云图WordCloud

一、WordCloud安装

首先打开命令提示符，输入“pip install wordcloud”安装词云包

问题① 安装包的位置

安装时非常顺利，但是在jupyter notebook里想要引入wordcloud时出现了问题：

——ModuleNotFoundError: No module named 'wordcloud'

也就是没有找到wordcloud这个包。

百度了一下说可能是因为安装路径为电脑默认路径，需要改在Python的安装目录下

这里记录一下检查Python安装路径的方式：

import sys
print（sys.executable）

以及更改安装包路径的方式：

在系统中输入cmd命令：

Python安装路径 -m pip install wordcloud

不过这并没有解决我的问题，因为我的安装路径是正确的。在Python文件夹\Lib\site-package中查看，wordcloud待在正确的地方-_-||

后来看其它文章发现，我是在anaconda下打开的jupyter notebook，位置跟本地wordcloud安装包的默认路径不一样。文章里的具体解决方法是在anaconda目录下再下载对应的wordcloud包。

但我的anaconda装的乱七八糟的，根本找不到site-package文件夹，于是干脆在默认路径下重新安装了jupyter notebook。直接输入cmd命令：

pip install jupyter notebook

重新打开jupyter，输入cmd命令：

jupyter notebook

再次引入wordcloud时，就成功了。

二、打开文件

问题② 文件路径

直接打开文件是找不到的，因为并不在当前目录下，会出现下面的提示：

所以要更改目录。首先查看当前目录：

 如果不清楚os库里面有什么可调用的函数，可以查看一下：

chdir函数就可以更改当前目录：

 

 这里又报错，因为在Python的字符串里面\有转义的意思。

可以在前面加入r，来保持字符原始值（或者改成/正斜杠 \\双反斜杠都可以）：

再查看一下当前目录：

 

修改好了，这样就可以找到文件了。

问题③ 文件解码

直接打开文件也是会出现问题的：

就是说这里面有汉字， 不能直接解码，需要改一下：

三、制作词云

先引入一下matplot库

 问题④ 词云乱码

开始做词云：

这里记录一下plt.imshow（对象）和plt.show的区别：

前者负责对图像进行处理并显示其格式，后者是把处理后的图像显示出来

以及plt.axis('off')的意思是“关闭坐标轴”

出现这样的情况是因为没有设置用来显示的字体,设置一下就好啦：

四、分词

首先跟wordcloud一样，先下好jieba安装包

问题⑤ with函数：

之前打开文件是用的读文件的模式，即

text=open('文件名称','r'),read

这个方法的问题是：如果文件不存在的话，open函数就会报错；而且文件使用完毕后要用close关闭文件，因为打开的文件会占用操作系统的资源，系统同一时间能打开的文件数量是有限的。

那如果文件读写时报错，后面的close函数就不能执行。所以为了无论是否出错都能正确关闭文件，可以使用try…finally来实现：

try:
    f = open('/path/to/file', 'r')
    print(f.read())
finally:
    if f:
        f.close()

 这样就有点麻烦，所以——

这次在打开用来分析的文本文档时，使用了with函数：

 具体with函数的执行原理没看懂，但是

用with语句来操作文件的作用是：打开一个文件，如果一切正常则赋值为f，如果出现异常，该文件仍然会被关闭。

奈斯。

问题⑥ jieba分词

 renmin就是要拿来分词的对象， cut_all是分词模式。cut_all=False的意思是精确模式，默认就是False。

1.精确模式是指将句子最精确地切开，适合文本分析：

例：今天天气真好 → 今天天气，真，好

2.cut_all=True可以开启全模式，这个模式能够把句中所有可以成词的词语都扫描出来，速度很快但可能有歧义：

例：今天天气真好 → 今天，今天天气，天天，天气，真好

 3.还有一个搜索引擎模式，是在精确模式的基础上对长词再次切分，提高召回率，适合用于搜索引擎分词：

例：今天天气真好 → 今天，天天，天气，今天天气，真，好

后边就是把分出来的词遍历，放到字典里统计出现次数。

ps：还可以添加自定义词典

jieba.load_userdict('自定义词典.txt')

问题⑦  分词筛选

如果有的话，可以打开写好的筛选词来筛

还有筛掉出现频数过少or单词长度太短等的词：

 

 

问题⑧ 词频排序

 先把所有的分词和对应的词频提出来，放到列表里去，方便排序：

 然后用自带的sort函数升序排列后逆序，得到需要的降序排列：

 再重新建个字典把排好序的分词装进去：

问题⑨ 词云显示

基本跟前边差不多：

 但是注意在生成的时候，这次是根据给定的词频制作词云，所以标灰的地方会跟之前有区别：

wc().generate(text)  

            ↓

wc().generate_from_frequencies(text_jieba)

问题⑩ 词云美化

1.改变词云形状

可以用mask遮罩来改变

 

2.改变词云颜色

从原图中提取颜色

 

 

 ！这里有个尚未解决的问题！

按照说明，词云应当只会在遮罩图片的非透明部分作图，遮罩图片的白色部分会被自动视作透明。

我自己一开始准备了一张蓝色的中国地图，白底和透明底两版。

 但是用这两张图做出来的词云依然是长方形

 换了一张中国地图，还是不得行

 

 所以我又换了其他的图片，这次就好了

类似的test×3：

 

 这样看起来有可能是颜色的问题？我重新试了两张蓝色的图片

test1：

 

 test2：

 

 可以看到第一张出现了大面积的识别错误。第二张要好一些，只是阴影处有一点问题。

不过再次查找相关文章，说看上去是白色但不完全是白色的部分也会被识别到，可以解释过去。前面test那张图片底色是灰色，识别失败也可以解释了。

为了排除蓝色的影响，把blue这张图抠图后重新试验一遍：

还是出现识别错误。 

最后用一张黄色的中国地图再排除一下其他因素

也成功做出了图：

 

 就目前情况来看，很可能蓝色的图作为遮罩时容易出现错误。不过在网页上没看到相关说明。

目前还未找到解决方法。

目录

一、WordCloud安装

问题① 安装包的位置

二、打开文件

问题② 文件路径

问题③ 文件解码

三、制作词云

 问题④ 词云乱码

四、分词

问题⑤ with函数：

问题⑥ jieba分词

问题⑦  分词筛选

问题⑧ 词频排序

问题⑨ 词云显示

问题⑩ 词云美化

 ！这里有个尚未解决的问题！

---