快捷導(dǎo)航

使用python生成定制化詞云的代碼示例

更新時間：2024年09月04日 10:45:07 作者：碼銀

詞云,作為一種流行的數(shù)據(jù)可視化形式,能夠?qū)⒋罅课谋緮?shù)據(jù)中的關(guān)鍵詞以視覺化的方式呈現(xiàn),讓我們迅速捕捉到文本的核心,本文將通過Python編程語言,使用jieba和wordcloud庫,生成一個具有特定形狀的詞云,需要的朋友可以參考下

引言

數(shù)據(jù)可視化已成為我們理解復(fù)雜信息的關(guān)鍵工具。詞云，作為一種流行的數(shù)據(jù)可視化形式，能夠?qū)⒋罅课谋緮?shù)據(jù)中的關(guān)鍵詞以視覺化的方式呈現(xiàn)，讓我們迅速捕捉到文本的核心。本文將通過Python編程語言，使用jieba和wordcloud庫，并基于斗破蒼穹第一章的內(nèi)容，生成一個具有特定形狀的詞云。

環(huán)境搭建

在開始之前，確保你的Python環(huán)境中安裝了必要的庫。如果尚未安裝，可以通過以下命令進行安裝：

pip install matplotlib 
jieba 
wordcloud 
numpy 
pillow

讀取與準備文本

我們將使用《斗破蒼穹第一章》的文本作為示例。首先，確保文本文件以UTF-8編碼保存，以避免編碼錯誤：

with open('斗破蒼穹第一章.txt', 'r', encoding='utf-8') as file:
    text = file.read()

中文分詞

中文文本處理的第一步是分詞。我們使用jieba庫，它是中文文本分詞的常用工具：

import jieba
cut_text = jieba.cut(text)
word = ' '.join(cut_text)

定義停用詞

在生成詞云之前，我們需要定義一組停用詞，以排除那些在文本中頻繁出現(xiàn)但對分析沒有太大意義的詞：

    stopwords={
        '了', '的', '和', '是', '我', '你', '這', '就', '有', '在', '也', '一', '不', '人', '都', '一個',
        '我們', '他', '她', '得', '地', '很', '到', '說', '要', '去', '上', '說', '知道', '能', '看',
        '自己', '出來', '過', '著', '聽', '覺得', '但是', '而且', '因為', '所以', '雖然', '如果', '就是',
        '只有', '可以', '什么', '哪', '哪個', '那些', '什么', '怎么', '怎樣', '這么', '那么', '這樣', '那樣',
        '一點', '一些', '一點', '一些', '一下', '一下', '一會兒', '一點兒', '現(xiàn)在', '然后', '再', '曾經(jīng)',
        '曾經(jīng)', '曾經(jīng)', '曾經(jīng)', '或者', '或者', '以及', '或者', '跟', '跟', '同', '和', '與', '跟', '同',
        '跟', '與', '跟', '和', '與', '而且', '并且', '或者', '還是', '或者', '或者', '又', '也', '還',
        '再', '另外', '那',
        '然后',
        '接著',
        '之后',
        '起來',
        # ... 其他語氣助詞 ...
    }

選擇詞云形狀

詞云的形狀可以是任何形式，本例中我們將使用一張圖片來定義詞云的形狀：

from PIL import Image
import numpy as np

pic = Image.open('test1.png')
pic_array = np.array(pic)

現(xiàn)在，我們將所有元素結(jié)合在一起，生成詞云：

import wordcloud
from matplotlib import colors

color_list = ['black', 'red', 'blue', 'green']
colormap = colors.ListedColormap(color_list)

wc = wordcloud.WordCloud(
    mask=pic_array,
    font_path='simhei.ttf',
    background_color='white',
    colormap=colormap,
    stopwords=stopwords
)

wc.generate(word)

顯示詞云

最后，我們使用matplotlib庫來顯示我們生成的詞云：

plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()

結(jié)語

通過上述步驟，我們不僅學習了如何使用Python生成詞云，還了解了如何通過jieba進行中文分詞，以及如何使用wordcloud庫自定義詞云的生成。

import matplotlib.pyplot as plt
import jieba
import wordcloud
from PIL import Image
import numpy as np  
from matplotlib import colors

# 讀取文本文件
str1 = open('斗破蒼穹第一章.txt', 'r', encoding='utf-8').read()  # 確保使用正確的編碼

cut_text = jieba.cut(str1)    # 分詞處理
word = ' '.join(cut_text)       # 以空格分割文本


color_list = ['black', 'red','blue','green']
colormap = colors.ListedColormap(color_list)  # matplotlib色圖

# 使用Pillow讀取圖片
pic = Image.open('test1.png')  # 讀取圖片

# 將Pillow圖像轉(zhuǎn)換為numpy數(shù)組
pic_array = np.array(pic)

wc = wordcloud.WordCloud(
    mask=pic_array,               # 使用轉(zhuǎn)換后的數(shù)組作為背景圖形
    font_path='simhei.ttf',       # 可以改成自己喜歡的字體
    background_color='white',     # 詞云圖背景顏色可以換成自己喜歡的顏色
    colormap=colormap,
    stopwords={
        '了', '的', '和', '是', '我', '你', '這', '就', '有', '在', '也', '一', '不', '人', '都', '一個',
        '我們', '他', '她', '得', '地', '很', '到', '說', '要', '去', '上', '說', '知道', '能', '看',
        '自己', '出來', '過', '著', '聽', '覺得', '但是', '而且', '因為', '所以', '雖然', '如果', '就是',
        '只有', '可以', '什么', '哪', '哪個', '那些', '什么', '怎么', '怎樣', '這么', '那么', '這樣', '那樣',
        '一點', '一些', '一點', '一些', '一下', '一下', '一會兒', '一點兒', '現(xiàn)在', '然后', '再', '曾經(jīng)',
        '曾經(jīng)', '曾經(jīng)', '曾經(jīng)', '或者', '或者', '以及', '或者', '跟', '跟', '同', '和', '與', '跟', '同',
        '跟', '與', '跟', '和', '與', '而且', '并且', '或者', '還是', '或者', '或者', '又', '也', '還',
        '再', '另外', '那',
        '然后',
        '接著',
        '之后',
        '起來',
        # ... 其他語氣助詞 ...
    }
)

wc.generate(word)  # 生成詞云

# 顯示詞云圖
plt.imshow(wc, interpolation='bilinear')  # 使用bilinear插值可以使詞云看起來更平滑
plt.axis('off')
plt.show()