【小白必看】Python词云生成器详细解析及代码实现

前言

本文介绍了如何使用Python编写代码来生成词云图。在生成词云图之前，我们需要导入一些必需的库，包括numpy、wordcloud、PIL、matplotlib.pyplot和openpyxl。其中，numpy用于数据处理，wordcloud用于生成词云，PIL用于图像处理，matplotlib.pyplot用于在笔记本中显示图片，openpyxl用于读取词频Excel文件。此外，还需要准备一个背景图片作为词云的背景。

我们通过读取存放词频Excel文件的文件夹路径，获取文件夹下的所有文件，并将文件名与路径拼接起来，存放在一个列表中。然后，我们使用PIL库中的Image.open()函数读取背景图片，并将其转换为numpy.array格式。

使用循环依次处理每个词频Excel文件。首先，使用load_workbook()函数加载词频Excel文件，并通过wb.active获取活动工作表。然后，初始化一个空的字典wordFreq，用于存储每个单词及其对应的频率。通过遍历活动工作表中的行，获取单词和频率，并将它们存储到wordFreq字典中。

定义了词云的样式，并根据wordFreq字典生成词云图。生成的词云图将保存在指定文件夹下，并在notebook中显示出来。

导入所需库

import numpy as np  # numpy数据处理库
import wordcloud  # 词云库
from PIL import Image  # 图像处理库，用于读取背景图片
import matplotlib.pyplot as plt  # 图像展示库，以便在notebook中显示图片
from openpyxl import load_workbook  # 读取词频Excel文件
import os  # 获取词频Excel文件路径

• numpy：用于处理数据的库。
• wordcloud：用于生成词云的库。
• PIL：用于图像处理的库，这里主要用于读取背景图片。
• matplotlib.pyplot：用于在notebook中显示图片。
• openpyxl：用于读取词频Excel文件的库。
• os：用于获取词频Excel文件的路径。

将存好的Excel词频表读取成字典

path = '词频'  # 文件所在文件夹
files = [path + "/" + i for i in os.listdir(path)]  # 获取文件夹下的文件名，并拼接完整路径
maskImage = np.array(Image.open('background.png'))  # 定义词频背景图

• path：存放Excel词频表的文件夹的路径。
• files：使用列表解析式获取文件夹下的所有文件名，并将文件名与路径拼接起来，存放在files列表中。
• maskImage：使用PIL库中的Image.open()函数读取一张背景图片，并将其转换为numpy.array格式。

循环处理每个词频Excel文件

for file in files:
    wb = load_workbook(file)  # 加载词频Excel文件
    ws = wb.active  # 获取活动工作表
    wordFreq = {}  # 存储单词和对应的频率的字典
    for i in range(2, ws.max_row + 1):
        word = ws["A" + str(i)].value  # 获取单词
        freq = ws["B" + str(i)].value  # 获取频率
        wordFreq[word] = freq  # 将单词和频率存储到字典中

• 遍历files列表中的每个文件名，用load_workbook()函数加载词频Excel文件。
• 使用wb.active获取活动工作表。
• 初始化一个空的字典wordFreq，用于存储每个单词及其对应的频率。
• 遍历活动工作表中的行（从第2行到最后一行），通过ws["A" + str(i)].value和ws["B" + str(i)].value分别获取单词和频率，并将它们存储到wordFreq字典中。

定义词云样式和生成词云图

wc = wordcloud.WordCloud(
    font_path='../PingFangBold.ttf',  # 设置字体
    mask=maskImage,  # 设置背景图
    max_words=500,  # 最多显示词数
    max_font_size=100  # 字号最大值
)

wc.generate_from_frequencies(wordFreq)  # 根据字典生成词云图
wc.to_file("词云图/{}.png".format(file.split("/")[1][:4]))  # 将词云图保存到指定文件夹
plt.imshow(wc)  # 显示词云图
plt.axis('off')  # 关闭坐标轴
plt.show()  # 显示图像

• 创建一个词云对象wc，通过传入参数设置词云的样式，包括字体、背景图、最多显示词数和字号最大值等。
• 使用generate_from_frequencies()方法根据字典wordFreq生成词云图。
• 使用to_file()方法将词云图保存到指定文件夹下，文件名以原始文件名的前四个字符命名。
• 使用plt.imshow()显示词云图。
• 使用plt.axis('off')关闭坐标轴。
• 使用plt.show()显示图像。

完整代码

import numpy as np # numpy数据处理库
import wordcloud # 词云库
from PIL import Image # 图像处理库，用于读取背景图片
import matplotlib.pyplot as plt # 图像展示库，以便在notebook中显示图片
from openpyxl import load_workbook #读取词频Excel文件
import os #获取词频Excel文件路径

#将存好的Excel词频表读取成字典
path='词频'  #文件所在文件夹
files = [path+"/"+i for i in os.listdir(path)] #获取文件夹下的文件名,并拼接完整路径
maskImage = np.array(Image.open('background.png')) # 定义词频背景图

for file in files:
    #将词频Excel文件读取为字典
    wb = load_workbook(file)
    ws = wb.active
    wordFreq = {}
    for i in range(2,ws.max_row+1):
        word = ws["A"+str(i)].value
        freq = ws["B"+str(i)].value
        wordFreq[word] = freq

    #定义词云样式
    wc = wordcloud.WordCloud(
        font_path='../PingFangBold.ttf', # 设置字体
        mask= maskImage, # 设置背景图
        max_words=500, # 最多显示词数
        max_font_size=100) # 字号最大值

    #生成词云图
    wc.generate_from_frequencies(wordFreq) # 从字典生成词云
    #保存图片到指定文件夹
    wc.to_file("词云图/{}.png".format(file.split("/")[1][:4]))
    #在notebook中显示词云图
    plt.imshow(wc) # 显示词云
    plt.axis('off') # 关闭坐标轴
    plt.show() # 显示图像

运行效果截图

知识点

font_path：字体路径。字体存在的目录，在想要的字体上点右键，选择“属性”可查看其名称，然后连同路径复制，赋给font_path即可。比如本例使用的黑体。需要注意的是，若是中文词云，需要选中文字体。

width,height：画布的宽度和高度，单位为像素。若没设置mask值，才会使用此默认值400*200。
margin：词间距。
ranks_only：文档未说明。
prefer_horizontal：词语横排显示的概率(默认为90%，则竖排显示概率为10%)
mask：用于设定绘制模板，需要是一个nd-array（多维数组），所以在用Image.open()读取图片后，需要用np.array转换成数组。另外mask参数有设定的话，画布的大小会由词频背景图的大小决定。这个经常使用，因为我们更倾向于自定义模板。
scale：比例尺，用于放大画布的尺寸。一般使用默认值。
color_func：颜色函数，一般不用。
max_words：词云图中最多显示词的字数，设定一个值，可让那些出现次数极少的词不显示出来。
min_font_size：字号最小值。
stopwords：设置不想显示的词。
random_state：文档未说明。
background_color：词云图背景色，默认为黑色。可根据需要调整。
max_font_size：字号最大值。
font_step：字体的步长，一般使用默认。大于1的时候可提升运算速度，但匹配较差。
mode：当设置为"RGBA" 且background_color设置为"None"时可产生透明背景。
relative_scaling：词频对字体大小的影响度，一般使用默认。
regexp：正则表达式分割输入的字符。一般是先处理好才给到wordcloud，所以基本不用。
collocations：是否包含两个词的搭配，若使用了generate_from_frequencies方法则忽略此参数。一般不用。
colormap：每个词对应的颜色，若设置了color_func则忽略此参数。
normalize_plurals：是否移除英文复数单词末尾的s，比如可将word和words视同为一个词，并将词频算到word头上。如果使用了generate_from_frequencies方法则忽略此参数。
contour_width：如果mask有设置，且contour_width>0，将会绘制mask轮廓。
contour_color：mask轮廓的颜色，默认为黑色。
repeat：当词不足以满足设定的max_words时，是否重复词或短语以使词云图上的词数量达到max_words
include_numbers：是否将数字作为词。
min_word_length：设置一个词包含的最少字母数量。
collocation_threshold：界定英文中的bigrams，对于中文不适用。

结束语

本文介绍了如何使用Python编写代码来生成词云图。首先导入所需的库，然后通过循环处理每个词频Excel文件，将它们读取成字典。接下来定义词云的样式并生成词云图。最后将生成的词云图保存到指定文件夹，并在notebook中显示出来。通过本文的学习，我们可以轻松地使用Python生成词云图，从而更好地分析文本数据中的词频信息。

资源
代码中所涉及的资源 可以在文章顶部下载 , 已上传