数据可视化实战：做词云展示

这个词云是大数据可视化的重要方式，就是把文本中的关键词进行展示，就是很高大上

资料代码在这里

源代码及相关素材Github库

首先，安装本课程所需的Python第三方模块

打开命令行，输入下面这行命令，回车执行即可。

pip install numpy matplotlib pillow wordcloud imageio jieba snownlp itchat -i https://pypi.tuna.tsinghua.edu.cn/simple

然后，简单制作词云的比如：

# 导入词云制作第三方库wordcloud
import wordcloud

# 创建词云对象，赋值给w，现在w就表示了一个词云对象，（WordCloud()中W和C记得要大写！）
w = wordcloud.WordCloud()#可以在`WordCloud()`括号里填入各种参数，控制词云的字体、字号、字的颜色、背景颜色等等。

# 调用词云对象的generate方法，将文本传入
w.generate('and that government of the people, by the people, for the people, shall not perish from the earth.')

# 将生成的词云保存为output1.png图片文件，保存出到当前文件夹中
w.to_file('output1.png')

运行完之后，图片这个样子，为什么没有and that， of the等等呢，因为wordcloud自动将and that by the not from等废话词组过滤掉，并且把出现次数最多的people大号显示，还有，每运行一次词云图并不一样。
wordcloud库会非常智能地按空格进行分词及词频统计，出现次数多的词就大。

接下来是添加了参数的词云代码：

import wordcloud

# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
w = wordcloud.WordCloud(width=1000,
                        height=700,
                        background_color='white',
                        font_path='msyh.ttc')

# 调用词云对象的generate方法，将文本传入
w.generate('从明天起，做一个幸福的人。喂马、劈柴，周游世界。从明天起，关心粮食和蔬菜。我有一所房子，面朝大海，春暖花开')

# 将生成的词云保存为output2-poem.png图片文件，保存到当前文件夹中
w.to_file('output2-poem.png')

图如下：

1. width 词云图片宽度，默认400像素，为16厘米
2. height 词云图片高度 默认200像素，为8厘米
3. background_color 词云图片的背景颜色，默认为黑色
4. font_step 字号增大的步进间隔 默认1号，就是字体变大的增大间隔
5. font_path 指定字体路径 默认None，对于中文可用font_path='msyh.ttc'即该字体路径+后缀名，注意：Win10这里的字体后缀是“ttc”，而cWin7的字体后缀是“ttf”！
6. mini_font_size 最小字号 默认4号
7. max_font_size 最大字号 根据高度自动调节
8. max_words 最大词数 默认200
9. stop_words 不显示的单词 ，如：stop_words={"python","java"}
10. Scale 默认值1。值越大，图像密度越大越清晰
11. prefer_horizontal：默认值0.90，浮点数类型。表示在水平如果不合适，就旋转为垂直方向，即词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）
12. relative_scaling：表示词频和云词图中字大小的关系参数，默认0.5。为0时，表示只考虑词排序，而不考虑词频数；为1时，表示两倍词频的词也会用两倍字号显示。
13. mask 指定词云形状图片，默认为矩形

通过以下代码读入外部词云形状图片（需要先pip install imageio安装imageio）

import imageio
mk = imageio.imread("picture.png")
w = wordcloud.WordCloud(mask=mk)

从外部文件读入文本

import wordcloud

# 从外部.txt文件中读取大段文本，存入变量txt中
f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')
txt = f.read()

# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
w = wordcloud.WordCloud(width=1000,
                        height=700,
                        background_color='white',
                        font_path='msyh.ttc')

# 将txt变量传入w的generate()方法，给词云输入文字
w.generate(txt)

# 将词云图片导出到当前文件夹
w.to_file('output3-sentence.png')

图如下:

中文分词

首先，中文分词第三方模块是jieba

安装中文分词库jieba：在命令行中输入pip install jieba
精确模式（最常用，只会这个就行）：每个字只用一遍，不存在冗余词汇。jieba.lcut('动力学和电磁学')

全模式：把每个字可能形成的词汇都提取出来，存在冗余。jieba.lcut('动力学和电磁学',cut_all=True)

搜索引擎模式：将全模式分词的结果从短到长排列好。jieba.lcut_for_search('动力学和电磁学')

以下命令演示了三种分词模式及结果，精确模式是最常用的。

>>> import jieba
>>> textlist1 = jieba.lcut('动力学和电磁学')
>>> textlist1
['动力学', '和', '电磁学']
>>> textlist2 = jieba.lcut('动力学和电磁学',cut_all=True)
>>> textlist2
['动力', '动力学', '力学', '和', '电磁', '电磁学', '磁学']
>>> textlist3 = jieba.lcut_for_search('动力学和电磁学')
>>> textlist3
['动力', '力学', '动力学', '和', '电磁', '磁学', '电磁学']

例子：

# 导入词云制作库wordcloud和中文分词库jieba
import jieba
import wordcloud
# 构建并配置词云对象w
w = wordcloud.WordCloud(width=1000,
                        height=700,
                        background_color='white',
                        font_path='msyh.ttc')

# 调用jieba的lcut()方法对原始文本进行中文分词，得到string
txt = '同济大学（Tongji University），简称“同济”，是中华人民共和国教育部直属，由教育部、国家海洋局和上海市共建的全国重点大学，历史悠久、声誉卓著，是国家“双一流”、“211工程”、“985工程”重点建设高校，也是收生标准最严格的中国大学之一'
txtlist = jieba.lcut(txt)
string = " ".join(txtlist)#将分开的词用空格连接

# 将string变量传入w的generate()方法，给词云输入文字
w.generate(string)

# 将词云图片导出到当前文件夹
w.to_file('output4-tongji.png')

高级词云：绘制指定形状的词云

例如：

# 导入词云制作库wordcloud和中文分词库jieba
import jieba
import wordcloud

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
import imageio
mk = imageio.imread("wujiaoxing.png")
w = wordcloud.WordCloud(mask=mk)

# 构建并配置词云对象w，注意要加scale参数，提高清晰度
w = wordcloud.WordCloud(width=1000,
                        height=700,
                        background_color='white',
                        font_path='msyh.ttc',
                        mask=mk,
                        scale=15)

# 对来自外部文件的文本进行中文分词，得到string
f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')
txt = f.read()
txtlist = jieba.lcut(txt)
string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字
w.generate(string)

# 将词云图片导出到当前文件夹
w.to_file('output6-village.png')

运行的图片如下：

总结：创建好WordCloud类之后，就可以使用wordcloud=generate(text)方法生成c词云，传入的参数text代表你要分析的文本，最后使用wordcloud.tofile("a.png")函数，将得到的词云图像直接保存为图片格式文件。

其实，也可以使用Python的可视化工具Matplotlib进行显示，方法如下：

	import matplotlib.pypliot as plt
    plt.imshow(wordcloud)
    plt.axis("off")#因为不需要显示X轴和Y轴的坐标，所以要将坐标轴关闭
    plt.show()