导读:
在上一章节介绍在Python环境下调用HanLP包进行分词的基础上,本文将介绍如何使用wordcloud绘制词云。尽管目前市面上已经有很多成熟的在线交互词云工具,但是考虑到实际工作中有很多内容是具有保密性的,无法直接在互联网上公开。因此,如何在本地搭建词云平台,自定义地绘制词云显得格外重要。
让文字更好看——词云
1.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,产生具有冲击力的视觉效果,并传达有价值的信息。
2.词云是通过形成 "关键词云层" 或 "关键词渲染",对文本中出现频率较高的关键词的视觉上的突出,词云图能过滤掉大量的文本信息,使用户只要一眼扫过文本就可以领略文本的主旨。
常用在线交互词云工具
1.微词云:https://www.weiciyun.com/
2.易词云:https://www.yciyun.com/
3.词云统计:
http://cloud.niucodata.com/
4.图悦:
http://www.picdata.cn/picdata/index.php
5.优词云:http://www.uciyun.com/
6.美寄词云:
https://www.moage.cn/wordart
wordcloud绘制词云
wordcloud是python的一个三方库,称为词云也叫做文字云,是根据文本中的词频,对内容进行可视化的汇总,可以用来绘制用户画像。
1. 如何安装 wordcloud ?
wordcloud的API总体来说并不多,且需要进行的配置并不复杂,适合新手上手。安装wordcloud可以使用python自带的pip工具来进行,本文使用的是python3.7,pip的版本是19.2.1。由于wordcloud依赖于numpy包、pillow包和matplotlib包,所以我们要先装好上述这三个包然后再装wordcloud包,安装命令如下:
pip install numpy==1.19.1pip install pillow==7.2.0 pip install matplotlib==3.3.2 pip install wordcloud==1.8.0
2. 如何使用 wordcloud ?
wordcloud库把词云当作一个 WordCloud 对象,所以使用wordcloud可以大致分为三个步骤(以英文为例):
1.创建对象:wc= wordcloud.WordCloud
2.加载文本:wc.generate("Choose a life of action, not one of oste-ntation.")
3.输出文件:wc.to_file("./picture/1.png")
如下图所示,一个简易、基本的词云便生成了。值得注意的是,生成的词云可以过滤掉停用词、介词、冠词等无意义的单词。
此外, wordcloud库还有如下特点。
- 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,尺寸和颜色都可以自定义设定。
附上wordcloud内的配置参数
3. wordcloud 基础实战
在本节,本文将介绍如何通过读取文本从而生成自定义式的词云,主要分为以下4步:
1.读取文本文件 (支持多种格式文本,包括word、excel、ppt等)
2.使用HanLP进行中文分词
3.使用wordcloud生成词云
4.显示/保存词云
注:使用HanLP进行中文分词可以参考我们之前的文章。
《NLP快速入门:手把手教你用HanLP做中文分词》
寒树爱函数,公众号:寒树RPA与AINLP快速入门:手把手教你用HanLP做中文分词
下面附上绘制简单中文词云的代码,分词的内容是十九大报告全文。
from PIL import Imagefrom wordcloud import WordCloud, STOPWORDSimport matplotlib.pyplot as pltimport numpy as np wc = WordCloud(background_color="white",# 设置背景颜色 max_words=2000, # 词云显示的最大词数 height=400, # 图片高度 width=800, # 图片宽度 max_font_size=50, #最大字体 stopwords=stopwords, # 设置停用词 font_path='C:/Windows/Fonts/simhei.ttf', # 兼容中文字体,不然中文会显示乱码 )# 生成词云 wc.generate(text) # 此处的text便是分好词的19大文本 # 生成的词云图像保存到本地wc.to_file(path.join(d, "Images//19da.png")) # 显示图像plt.imshow(wc, interpolation='bilinear')# interpolation='bilinear' 表示插值方法为双线性插值plt.axis("off")# 关掉图像的坐标plt.show
绘制的词云如下所示。
4. wordcloud 高级实战
在本节,本文将介绍如何将词云绘制在预设定好的背景图片上。例如:以我们最熟悉的中国地图为背景,我们将在此基础上绘制词云,只需修改wordcloud里的“mask”属性值,详细代码如下所示。
from PIL import Imagefrom wordcloud import wordcloudimport matplotlib.pyplot as pltimport numpy as np wc = WordCloud(background_color="white",# 设置背景颜色 max_words=2000, # 词云显示的最大词数 max_font_size=60, #最大字体 stopwords=stopwords, # 设置停用词 mask=np.array(Image.open("./picture/china.jpg")), # 选择背景图片为中国地图 font_path='C:/Windows/Fonts/simhei.ttf', # 兼容中文字体,不然中文会显示乱码 )# 生成词云 wc.generate(text) # 此处的text便是分好词的女排评论文本 # 生成的词云图像保存到本地wc.to_file(path.join(d, "Images//nvpai.png")) # 显示图像plt.imshow(wc, interpolation='bilinear')# interpolation='bilinear' 表示插值方法为双线性插值plt.axis("off")# 关掉图像的坐标plt.show
绘制的词云如下所示。