【实践】如何用python绘制词云图（文本数据可视化）？

一、介绍

 

                文本是语言和沟通的载体，文本的含义以及读者对文本的理解需求均纷繁复 杂。例如，对于同一个文本，不同的人的解读也是不一样的，有的人希望了解文本 中涉及到的事物，而有的人希望得到文本中的关键词。鉴于对文本信息需求的多样 性，需要从不同层级提取与呈现文本信息。一般把对文本的理解需求分成三级：词汇级（Lexical Level）、语法级（Syntactic Level）和语义级（Semantic Level）。 不同级的信息挖掘方法也不同，词汇级当然是用各类分词算法，语法级用一些句法 分析算法，语义级用主题抽取算法。文本文档的类别多种多样，包括单文本、文档 集合和时序文本数据三大类，这使得文本信息的需求更为丰富。本博客介绍如何利用Python工具对文本数据进行可视化，也就是我们生活中经常看到的词云图。

二、代码展示

# 导入相应的库
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import PIL
import numpy as np
 
# 导入文本数据并进行简单的文本处理
# 去掉换行符和空格以及标点符号
text = open("虎年贺词.txt",encoding='utf8').read()
text = text.replace('\n',"").replace("，","").replace("。","").replace("、","").replace("；","").replace("！","").replace("：","")

# 分词，返回结果为词的列表
text_cut = jieba.lcut(text)

#停用词库
stop_words = open("Stop Words.txt",encoding="utf8").read().split("\n")

# 将分好的词用某个符号分割开连成字符串
text_cut = ' '.join(text_cut)
#print(text_cut)

#词云形状
image1 = PIL.Image.open('background.png')
MASK = np.array(image1)

#绘制词云
word_cloud = WordCloud(font_path="simsun.ttc", 
                       background_color="white", 
                       mask=MASK,                # 指定词云的形状
                       stopwords=stop_words
                       )
word_cloud.generate(text_cut)
 
 
# 运用matplotlib展现结果
plt.subplots(figsize=(12,8))
plt.imshow(word_cloud)
plt.axis("off")
plt.show()

相关文件：

1、虎年贺词.txt

 

2、Stop Words.txt，该文件能帮助我们过滤掉“啊”、“呀”之类不需要提取出来的词

 3、background.png，背景参数可有可无，有背景看起来美观一些

 三、结果展示

四、总结

具体过程分如下三部分：

1.读入 txt 文本数据

2. jieba(结巴)中文分词，生成字符串，默认精确模式，如果不通过分词，无法直接生成 正确的中文词云

3.生成词云图，需要注意的是 WordCloud 默认不支持中文，所以这里需已下载好 的中文字库