利用wordcloud和jieba做一个词云

环境

使用到的轮子：matplotlib，jieba，scipy，wordcloud，numpy，PIL。
python2对jieba的中文分词支持不是很好，所以使用python3。

1
2
3
4
5
6
7
python 3.6.1
jieba 0.39
matplotlib 1.0.4
scipy 1.0.0
wordcloud 1.3.1
numpy 1.13.3
PIL 1.1.6

  • Github源代码

    具体实现

    导入轮子

    1
    2
    3
    4
    5
    6
    7
    #encoding=utf-8
    import jieba
    import matplotlib.pyplot as plt
    from scipy.misc import imread
    from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
    import numpy as np
    from PIL import Image

所用到的库都能用pip3安装。

生成分词

1
2
3
text_from_file=open('data.txt','r').read()
Word_spilt_jieba = jieba.cut(text_from_file,cut_all = False)
word_space = ' '.join(Word_spilt_jieba)

数据是从网上复制了几份十九大，国庆，小说的内容，从文本中读入数据到text，用jieba进行分词，不使用全模式，全模式匹配会出现重复关键词的现象，使用后效果并不好。

自定义词云背景

1
2
img=imread('bipt.jpg')
img = np.array(Image.open('bipt.jpg'))

设置生成词云的背景，这里用到了numpy将图片转换为矩阵，图片需要自己下载定义背景。

生成词云

1
2
3
4
5
6
7
8
9
10
my_wordcloud = WordCloud(
    background_color='white', #设置背景颜色
    mask=img,  #背景图片
    max_words = 200, #设置最大显示的词数
    stopwords = STOPWORDS, #设置停用词
    #设置字体格式，字体格式 .ttf文件需自己网上下载，最好将名字改为英文，中文名路径加载会出现问题。
    font_path = 'simkai.ttf', 
    max_font_size = 100, #设置字体最大值
    random_state=50, #设置随机生成状态，即多少种配色方案
    ).generate(word_space)

设置wordcloud参数，注意这里有一个字体必须自己设置中文字体，否则生成的词云不能出现中文，我用到的是simkai.ttf，下载地址：simkai字体。

显示词云

1
2
3
4
5
iamge_colors = ImageColorGenerator(img)
plt.imshow(my_wordcloud)
plt.axis('off')
plt.show()
my_wordcloud.to_file('res.jpg')

取图片的颜色作为词云的颜色，并显示词云。如下图