Python数据可视化 词云图 绘制词云的方法总结

文章目录

一、词云图

  • 词云图是一种用来展现高频关键词的可视化表达,通过文字、色彩、图形的搭配,产生有冲击力地视觉效果,而且能够传达有价值的信息。
  • 词云就是通过形成“关键词云层”或“关键词渲染”,对网络文本中出现频率较高的“关键词”的视觉上的突出。
  • 词云图过滤掉大量的文本信息,使浏览网页者只要一眼扫过文本就可以领略文本的主旨。
  • 本文通过对已获取的京东商品评论数据进行预处理、文本分词、词频统计、词云展示,熟悉制作词云的基本方法。

二、wordcloud库绘制词云

wordcloud是优秀的词云展示第三方库

可以在命令行通过pip安装

代码语言:txt
复制
pip install wordcloud -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

wordcloud库把词云当作一个WordCloud对象

  • wordcloud.WordCloud( ) 代表一个文本对应的词云
  • 可以根据文本中词语出现的频率等参数绘制词云
  • 绘制词云的形状,尺寸和颜色都可以设定

配置对象参数

代码实现:

代码语言:txt
复制
import jieba
import collections
import re
from wordcloud import WordCloud
import matplotlib.pyplot as plt

958条评论数据

with open('data.txt') as f:
data = f.read()

文本预处理 去除一些无用的字符 只提取出中文出来

new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S)
new_data = " ".join(new_data)

文本分词

seg_list_exact = jieba.cut(new_data, cut_all=True)

result_list = []
with open('stop_words.txt', encoding='utf-8') as f:
con = f.readlines()
stop_words = set()
for i in con:
i = i.replace("\n", "") # 去掉读取每一行数据的\n
stop_words.add(i)

for word in seg_list_exact:
# 设置停用词并去除单个词
if word not in stop_words and len(word) > 1:
result_list.append(word)
print(result_list)

筛选后统计

word_counts = collections.Counter(result_list)

获取前100最高频的词

word_counts_top100 = word_counts.most_common(100)
print(word_counts_top100)

绘制词云

my_cloud = WordCloud(
background_color='white', # 设置背景颜色 默认是black
width=900, height=600,
max_words=100, # 词云显示的最大词语数量
font_path='simhei.ttf', # 设置字体 显示中文
max_font_size=99, # 设置字体最大值
min_font_size=16, # 设置子图最小值
random_state=50 # 设置随机生成状态,即多少种配色方案
).generate_from_frequencies(word_counts)

显示生成的词云图片

plt.imshow(my_cloud, interpolation='bilinear')

显示设置词云图中无坐标轴

plt.axis('off')
plt.show()

词云图:

三、pyecharts库的WordCloud绘制词云

pyecharts是基于echarts的python库,能够绘制多种交互式图表,和其他可视化库不一样,pyecharts支持链式调用。

也就是说添加图表元素、修改图表配置,只需要简单的调用组件即可。

代码语言:txt
复制
# class pyecharts.charts.WordCloud
class WordCloud(
# 初始化配置项,参考 global_options.InitOpts
init_opts: opts.InitOpts = opts.InitOpts()
)
代码语言:txt
复制
# func pyecharts.charts.WordCloud.add
def add(
# 系列名称,用于 tooltip 的显示,legend 的图例筛选。
series_name: str,

# 系列数据项,[(word1, count1), (word2, count2)]
data_pair: Sequence,

# 词云图轮廓,有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选
shape: str = "circle",

# 自定义的图片(目前支持 jpg, jpeg, png, ico 的格式,其他的图片格式待测试)
# 该参数支持:
# 1、 base64 (需要补充 data 头);
# 2、本地文件路径(相对或者绝对路径都可以)
# 注:如果使用了 mask_image 之后第一次渲染会出现空白的情况,再刷新一次就可以了(Echarts 的问题)
# Echarts Issue: https://github.com/ecomfe/echarts-wordcloud/issues/74
mask_image: types.Optional[str] = None,

# 单词间隔
word_gap: Numeric = 20,

# 单词字体大小范围
word_size_range=None,

# 旋转单词角度
rotate_step: Numeric = 45,

# 距离左侧的距离
pos_left: types.Optional[str] = None,

# 距离顶部的距离
pos_top: types.Optional[str] = None,

# 距离右侧的距离
pos_right: types.Optional[str] = None,

# 距离底部的距离
pos_bottom: types.Optional[str] = None,

# 词云图的宽度
width: types.Optional[str] = None,

# 词云图的高度
height: types.Optional[str] = None,

# 允许词云图的数据展示在画布范围之外
is_draw_out_of_bound: bool = False,

# 提示框组件配置项,参考 `series_options.TooltipOpts`
tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

# 词云图文字的配置
textstyle_opts: types.TextStyle = None,

# 词云图文字阴影的范围
emphasis_shadow_blur: types.Optional[types.Numeric] = None,

# 词云图文字阴影的颜色
emphasis_shadow_color: types.Optional[str] = None,

)

代码实现:

代码语言:txt
复制
import jieba
import collections
import re
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType
from pyecharts import options as opts
from pyecharts.globals import ThemeType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

958条评论数据

with open('data.txt') as f:
data = f.read()

文本预处理 去除一些无用的字符 只提取出中文出来

new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S) # 只要字符串中的中文
new_data = " ".join(new_data)

文本分词--精确模式分词

seg_list_exact = jieba.cut(new_data, cut_all=True)

result_list = []
with open('stop_words.txt', encoding='utf-8') as f:
con = f.readlines()
stop_words = set()
for i in con:
i = i.replace("\n", "") # 去掉读取每一行数据的\n
stop_words.add(i)

for word in seg_list_exact:
# 设置停用词并去除单个词
if word not in stop_words and len(word) > 1:
result_list.append(word)
print(result_list)

筛选后统计

word_counts = collections.Counter(result_list)

获取前100最高频的词

word_counts_top100 = word_counts.most_common(100)

可以打印出来看看统计的词频

print(word_counts_top100)

word1 = WordCloud(init_opts=opts.InitOpts(width='1350px', height='750px', theme=ThemeType.MACARONS))
word1.add('词频', data_pair=word_counts_top100,
word_size_range=[15, 108], textstyle_opts=opts.TextStyleOpts(font_family='cursive'),
shape=SymbolType.DIAMOND)
word1.set_global_opts(title_opts=opts.TitleOpts('商品评论词云图'),
toolbox_opts=opts.ToolboxOpts(is_show=True, orient='vertical'),
tooltip_opts=opts.TooltipOpts(is_show=True, background_color='red', border_color='yellow'))
word1.render("商品评论词云图.html")

词云图:

用pyecharts绘制的词云图渲染在网页上,具有交互效果,还有很多的配置参数可以设置让词云图看起来更美观。

四、stylecloud库绘制词云

1. stylecloud简介

对自己而言,平时用python制作词云主要使用wordcloud,如果在可视化的过程还要用pyecharts绘制其他图,那么词云也干脆就用pyecharts制作了。stylecloud也是一个python绘制词云的包,是一位数据科学家Max Woolf基于wordcloud优化改良而成。并添加了一些更有用的功能,从而让使用者更易创作出独特并且颜值颇高的词云。

安装

代码语言:txt
复制
pip install stylecloud -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

stylecloud具有以下特点:

  • 为词云提供(任意大小)的图标形状(通过 Font Awesome 5.11.2 获得)
  • 支持高级调色板(通过 palettable 实现)
  • 为上述调色板提供直接梯度
  • 支持读取文本文件,或预生成的 CSV 文件(包含单词和数字)
  • 提供命令行接口
2. 蒙版图片

影响词云颜值的问题之一就是蒙版图片的生成。

自己制作的蒙版图片要么分辨率不统一,要么需要调整对比度,比较麻烦,stylecloud是直接使用Font Awesome这个现成的方案。

网址链接:https://fontawesome.com/license/free

在stylecloud \ static的文件夹下,有一个 fontawesome.min 的css文件包含了大量的图标,打开查看里面的内容,发现其中包含很多图标的代码。

这种层叠样式表,咱也看不懂、也不知道咋用呀,多亏有中文网站分门别类罗列了图标的样子和名字。

比如:https://fa5.dashgame.com/#/%E5%9B%BE%E6%A0%87 里面有详细的图标介绍和分类

使用方法如下:

比如要使用苹果商标的蒙版图片,样式前缀 fab,以 fa-为前缀的名称 fa-apple,设置icon_name参数,icon_name='fab fa-apple’即可。

3. 配色

配色是影响词云颜值的又一大问题。stylecloud同样找到了比较好的方案,配色方案使用高级调色板palettable来实现。

palettable 网站:https://jiffyclub.github.io/palettable/

我们可以通过修改参数 palette=‘配色方案’ 来达到更改自己词云配色的目的。

4. 绘制词云
代码语言:txt
复制
from stylecloud import gen_stylecloud
import jieba
import re
import random

读取数据

with open('datas.txt', encoding='utf-8') as f:
data = f.read()

文本预处理 去除一些无用的字符 只提取出中文出来

new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S)
new_data = "/".join(new_data)

文本分词

seg_list_exact = jieba.cut(new_data, cut_all=True)

result_list = []
with open('stop_words.txt', encoding='utf-8') as f:
con = f.readlines()
stop_words = set()
for i in con:
i = i.replace("\n", "") # 去掉读取每一行数据的\n
stop_words.add(i)

for word in seg_list_exact:
# 设置停用词并去除单个词
if word not in stop_words and len(word) > 1:
result_list.append(word)
print(result_list)

将palettable配色方案 1587类弄到了本地txt里 读取配色方案

with open('palettable配色方案.txt') as f:
choices = f.read().split('\n')[:-1]
print(choices)

个人推荐使用的palette配色方案

colorbrewer.qualitative.Dark2_7

cartocolors.qualitative.Bold_5

colorbrewer.qualitative.Set1_8

gen_stylecloud(
text=' '.join(result_list), # 文本数据
size=600, # 词云图大小
font_path=r'‪C:\Windows\Fonts\msyh.ttc', # 中文词云 显示需要设置字体
output_name='词云.png', # 输出词云图名称
icon_name='fas fa-grin-beam', # 图标
palette=random.choice(choices) # 随机选取配色方案

)

运行效果如下:

gen_stylecloud() 主要参数如下:

  • text:输入文本,最好在直接调用函数时使用。
  • file_path:输入文本/CSV 的文件路径
  • icon_name:stylecloud 形状的图标名称(如 fas fa-grin-beam),default: fas fa-flag
  • palette:控制调色方案,stylecloud的调色方案调用了palettable,这是一个非常实用的模块,其内部收集了数量惊人的大量的经典调色方案,默认为 cartocolors.qualitative.Bold_5
  • output_name:stylecloud 的输出文本名。default: stylecloud.png
  • gradient:梯度方向,(其默认值是 None,如果它的值不是 None,则 stylecloud 使用了方向性梯度)default: None
  • size:控制输出图像文件的分辨率(因为stylecloud默认输出方形图片,所以size传入的单个整数代表长和宽),默认为512
  • font_path:stylecloud 所用字体 .ttf 文件的路径。default: uses included Staatliches font
  • random_state:控制单词和颜色的随机状态
  • background_color:字符串,控制词云图底色,可传入颜色名称或16进制色彩,默认为 white
  • max_font_size:stylecloud 中的最大字号 default: 200
  • max_words:stylecloud 可包含的最大单词数 default: 2000
  • stopwords:bool型,控制是否开启去停用词功能,默认为True,调用自带的英文停用词表
  • custom_stopwords:传入自定义的停用词List,配合stopwords共同使用
5. 参考文章

作者:叶庭云
微信公众号:修炼Python
CSDN:https://yetingyun.blog.csdn.net/
本文仅用于交流学习,未经作者允许,禁止转载,更勿做其他用途,违者必究。
觉得文章对你有帮助、让你有所收获的话,期待你的点赞呀,不足之处,也可以在评论区多多指正。