Jimmy自学Python——利用WordCloud绘制中英文词云图

大家好！
 

致谢

  首先要感谢CSDN各位博主，本文是在参考许多博主的文章下完成的。在Python的学习过程中，各位渊博的专业知识和精深的技术水平都给我留下了深刻的印象，使我在学习、研究和工作中受益非浅。并且从本文的选题一直到最后的完成，各位博主都是本人Python学习道路上重要的指路人。在此文完成之际，谨向各位表示深深的敬意和衷心的感谢!
  投之以桃，报之以李，参考文献在最后一个章节中体现，各位朋友可以查阅，本文也会不断补充和完善，希望大家留言，共同学习，共同进步。

摘要

  本文参考了许多Python词云图的文章，许多文章是针对Python 2完成，2与3之间许多模块包的使用存在些许差别，这些差别使许多初学者产生很多困惑，本次针对Python 3的词云图进行了归纳整理，并进行了细致的备注，希望可以帮助到更多的初学者，少踩一些雷。
  本文主要运用wordcloud模块，对中英文数据进行词云图绘制。本人学识有限，如有错误，敬请各位不吝赐教，批评指正。
  关键词： WordCloud；分词；停止词；

一、环境配置

（一） 软件配置

（二） 模块包配置

  PIL其实只是python2的专利，它并没有跟随python的进化而进化。有大师为此，专门写了一个针对python3的pillow模块。所以，如果需要安装python3对应的PIL，应该选择安装pillow。调用时的代码还是import PIL^[5]。

二、词云图绘制

（一） WordCloud词云图

1、英文词云图

（1） 基本词云图
  本次选用英文版的《包法利夫人》（MadameBovary.txt）作为分析材料，如下图所示。

将MadameBovary.txt与py文件放到同一个文件夹，然后执行以下代码。

import os
from os import path
from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 获取当前文件路径
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd()
# os.getcwd()返回当前工作目录
# locals() ,没有参数，函数会以字典类型返回当前位置的全部局部变量。
# __file__表示当前.py文件的绝对路径;绝对路径是指目录下的绝对位置，直接到达目标位置，通常是从盘符开始的路径
# 获取文本text
text = open(path.join(d,'MadameBovary.txt'),encoding='gb18030', errors='ignore').read()
#os.path.join()函数: 连接两个或者更多的路径名组件
# 加入（encoding='gb18030', errors='ignore'）是为了防止出现解码错误，是可以省略的，但省略后如出现错误，可查阅“参考文献[1]”
wc = WordCloud(scale=1,max_font_size = 100)
# 词云参数设置
wc.generate(text)
# genarate  v.生成;   Python中称为使用生成器
plt.imshow(wc,interpolation='bilinear')
# 显示图像
# bilinear  adj.双直线的；双线性的；双一次性的;
plt.axis('off')
#隐藏坐标轴
plt.tight_layout()
#tight_layout会自动调整子图参数，使之填充整个图像区域。
#tight adj. 紧的；紧身的；挤满的；layout n.排版；布局；设计
plt.savefig('tu1.png',dpi=300)
#保存词云图，分辨率为300，也可以用 wc.to_file('1900_basic.png')
plt.show()
#plt.imshow()函数负责对图像进行处理，并显示其格式
#plt.show()则是将plt.imshow()处理后的函数显示出来。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

词云图结果如下所示。

（2） 基本词云图 +设置停止词+自定义图片
  文本材料不变，自定义图片选用一只大象的图案。

  停止词用来筛除文本中不需要的词汇，比如：a、an、the 这些。WordCloud模块自带了的英文 StopWords 停止词，可以直接使用。

import os
from os import
1