Python画文字云图

• 利用Python画文字云图，必须安装两个包：分词工具包jieba、文字云包wordcloud
• 除了Python之外，R也可以用来做文字云：分词工具包Rwordseg、文字云包wordcloud2
  本文主要介绍用Python做文字云图，选取文本《明朝那些事儿 —— 万历十五年的谜团》一章。

  分词

  jieba分词主要有三种模式：
• 精确模式，试图将句子最精确地切开，适合文本分析
• 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义
• 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词

import jieba
seg_list = jieba.cut("我来到北京清华大学", cut_all=True, HMM=False)
print("Full Mode: " + "/ ".join(seg_list))  # 全模式
seg_list = jieba.cut("我来到北京清华大学", cut_all=False, HMM=True)
print("Default Mode: " + "/ ".join(seg_list))  # 默认模式
seg_list = jieba.cut("他来到了网易杭研大厦", HMM=False)
print(", ".join(seg_list))  # 搜索引擎模式
# jieba.cut的默认参数只有三个,jieba源码如下
# cut(self, sentence, cut_all=False, HMM=True)
# 分别为:输入文本 是否为全模式分词 与是否开启HMM进行中文分词

import matplotlib.pyplot as plt
from wordcloud import WordCloud
import jieba
import pandas as pd
import numpy as np
from scipy.misc import imread   #解析图片的作用

#导入数据
data_txt = open('C:/Users/word.txt').read()
jieba.load_userdict("newdict.txt")                     #加载自定义词典  
jieba.add_word('万历十五年')   #加入想要的词语
#  R中用Rwordseg可以直接导入搜狗的词库

导入的文本中有一些譬如语气词等，对整体的文字云没有帮助，因此需要去掉：

#去掉一些词语
def seg_sentence(sentence):
    sentence_seged = jieba.cut(sentence.strip()) #去除首尾空格
    stopwords = open('C:/Users/stop_word.txt').read()  #一些语气助词等
    outstr = ''
    for word in sentence_seged:
        if word not in stopwords:
            if word != '\t':
                outstr += word
                outstr += " "
    return outstr
data_txt = seg_sentence(data_txt)

#分词
segment=[]
seg_list1 = jieba.cut(data_txt,cut_all=False)
for seg in seg_list1:
    if len(seg)>1 and seg!='\r\n':
        segment.append(seg)
#统计词频
words_df=pd.DataFrame({'segment':segment})
words_df.head()
words_stat=words_df.groupby(by=['segment'])['segment'].agg({"计数":np.size})   
words_stat=words_stat.reset_index()
words_stat.head()

画图

词库搜索: https://pinyin.sogou.com/dict/
选择图片如下：（背景白色、形状容易识别的图片效果会更好）

#画图准备
cloud_mask=imread(r'D:/ming.jpg')  
wordcloud=WordCloud(font_path="D:/simhei.ttf",
                    mask=cloud_mask,
                    #stopwords=stopwords,
                    background_color="white",
                    max_words=500,
                    width=1000,
                    height=860)  #,scale=10
words=words_stat.set_index('segment').to_dict()
wordcloud.fit_words(words['计数'])

#绘图
fig = plt.imshow(wordcloud)
fig.show()
wordcloud.to_file('D:/test.png')

最后的成果：

在线工具推荐

大千世界，很多事情都能找到巨人的肩膀来借力，文字云的在线工具就是这个伟大的巨人肩膀，推荐两个：

• 易词云[http://yciyun.com/]
• Tagxedo[http://www.tagxedo.com/app.html]