用Python做简易词云

2018-07-25 15:35:28 浏览数 (1)

最近突发奇想,想做个词云玩玩,这算是Python的一个很初级的应用,虽然很初级,依然免不了会出现各种bug~

使用工具:
  • Anaconda:一个开源的用于Python科学计算的发行版本
  • jieba:一个Python第三方库,用于中文分词。
  • wordcloud:一个Python的第三方库,用于生成词云。
  • 一份中文字体文件:simsun.ttf
  • 若干咪蒙文章资源:作为语料数据。
  • 一张白底图片:作为词云的蒙版。
实验效果:

我用我的微信头像当做蒙版:

然后生成的词云长这个样子:

安装实验环境:
  • 安装Anaconda 下载地址:https://www.anaconda.com/download/
  • 安装jieba、wordcloud 下载地址 :https://www.lfd.uci.edu/~gohlke/pythonlibs/
  • 中文字体文件simsun.ttf和万篇咪蒙文章资源我放在了云盘里,需要的话,这里链接:https://pan.baidu.com/s/1ZgOsdD5DPGYDUFUAd3Vzzw 密码:w94g

提示:需要将simsun.ttf文件和文章资源放在同一文件目录里,而且文章资源(数据源)应为UTF-8编码格式。并在此文件目录通过Anaconda Prompt打开jupyter notebook。关于Anaonda的安装和使用,参考这篇文章:https://www.jianshu.com/p/772740d57576

完整代码:
代码语言:javascript复制
"""
使用蒙版图片和wordcloud生成任意形状的词云
"""

from os import path
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba

from wordcloud import WordCloud

# Windows下面文件路径要使用双斜线,第一个斜线表示转义
# 指明语料数据和蒙版图片的文件路径
d = path.dirname("D:\python\")

# 读取语料数据文件# 含有中文的文件要使用“rb”以二进制格式读取,否则会出现编码错误
text = open(path.join(d, 'mimeng1.txt'), "rb").read()

# 使用jieba进行中文分词
mytext = " ".join(jieba.cut(text))

# 读取蒙版图片
alice_mask = np.array(Image.open(path.join(d, "touxiang.jpg")))

# 暂定最大词汇数为1000000
wc = WordCloud(font_path="simsun.ttf", background_color="white", max_words=1000000, mask=alice_mask,
               stopwords=stopwords, contour_width=3, contour_color="steelblue")


# 生成词云
wc.generate(mytext)

# 存储到文件
wc.to_file(path.join(d, "meng.png"))

# 展示词云结果
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.figure()
plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')
plt.axis("off")
plt.show()

代码的细节在注释里都有详细的说明。

当然,同样的数据源,还可以做成很多样式的词云,比如下面这个:

还有这样的:

总结:任何一件简单的事,不自己亲自去做一遍,永远不知道会遇到多少bug。

参考资料: https://github.com/amueller/word_cloud https://www.jianshu.com/p/721190534061

END

推荐阅读:

推荐几个在线学习编程的网站

我不想和你说话,并向你扔了一堆数学书

0 人点赞