词云（WordCloud）制作

发布于

以《神雕侠侣》为例，我们制作词云，看看有哪些高频词汇。

1. 导入一些包

代码语言：javascript
复制
# -*- coding:utf-8 -*-
# @Python Version: 3.7
# @Time: 2020/11/27 19:32
# @Author: Michael Ming
# @Website: https://michael.blog.csdn.net/
# @File: word_cloud.py
# @Reference:

import jieba

import numpy as np

from PIL import Image

from wordcloud import WordCloud

2. 文本处理

  • 去掉一些空白的字符\n, \t, ' '等
  • jieba.cut分词
  • 屏蔽停用词，以及长度小于2的词
代码语言：javascript
复制
stopwords = []

with open("stopwords.txt", 'r', encoding='utf-8') as f:

for w in f:

stopwords.append(w.replace('\n', ''))


with open('processed_txt.txt', 'w', encoding='utf-8') as processed:

words_list = []

with open("../shendiaoxialv.txt", 'r', encoding='utf-8') as f:

for line in f:

word = jieba.cut(line.replace('\t', '').replace('\n', '').replace(' ', ''))

for w in word:

if w not in stopwords and len(w) > 1:

words_list.append(w)

processed.write(' '.join(words_list))

3. 制作词云

代码语言：javascript
复制
# 读取清理好了以后的词

wordtxt = ""

with open('processed_txt.txt', 'r', encoding='utf-8') as f:

wordtxt = f.read()


设置背景图片，也可以没有


background_pic = np.array(Image.open('background.png'))

wc = WordCloud(

background_color='white', # 背景色

max_words=300, # 最多词语数量

font_path='wb.ttf', # 字体

min_font_size=12, # 最小字号

max_font_size=52, # 最大字号

width=1600, # 图片宽度

height=1200, # 图片高度

mask=background_pic # 背景形状

)


wc.generate(wordtxt)

wc.to_file("wc.jpg")

使用以下背景图片：

生成词云：

可以看见 杨过 和 小龙女 是最显眼的两个词语，也是小说的主角。

再换一个背景图片：

调节最小10号字，最大100号的字，生成词云：

#cut#jieba