Jieba+wordcloud制作词云_利用jieba,wordcloud模块创建一个自己的词云, 需要用到掩模图像, 图像样式自

01 准备工作
首先安装好python （我用的是3.7版本），再安装好几个扩展库

1. 解决conda无法安装jieba分词包
   conda install jieba
   错误
   pip install jieba
   正确
2. 安装wordcloud
   采用下面两种常见的安装方式都不行
   pip install wordcloud
   conda install wordcloud
   解决方法：
   到 http://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud 下载wordcloud模块所需要的whl文件，根据自己版本下载，文件很小；
   将下载后的文件放到一个你不常用的文件夹下：
   
   在这个目录下打开Anaconda命令行，执行：
   pip install wordcloud-1.2.1-cp36-cp36m-win_amd64.whl
   这样就安装成功了。
   
   准备好你打算统计的文件，命名为article.txt，保存到与程序文件相同目录中
   准备一个做背景的图片，命名为wordcloud.jpg，同样保存到与程序文件相同目录中

02 编写代码

# 导入扩展库
import re # 正则表达式库
import collections # 词频统计库
import numpy as np # numpy数据处理库
import jieba # 结巴分词
import wordcloud # 词云展示库
from PIL import Image # 图像处理库
import matplotlib.pyplot as plt # 图像展示库

# 读取文件
fn = open('article.txt') # 打开文件
string_data = fn.read() # 读出整个文件
fn.close() # 关闭文件

# 文本预处理
pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') # 定义正则表达式匹配模式
string_data = re.sub(pattern, '', string_data) # 将符合模式的字符去除

# 文本分词
seg_list_exact = jieba.cut(string_data, cut_all = False) # 精确模式分词
object_list = []
remove_words = [u'的', u'，',u'和', u'是', u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',
                u'通常',u'如果',u'我们',u'需要'] # 自定义去除词库

for word in seg_list_exact: # 循环读出每个分词
    if word not in remove_words: # 如果不在去除词库中
        object_list.append(word) # 分词追加到列表

# 词频统计
word_counts = collections.Counter(object_list) # 对分词做词频统计
word_counts_top10 = word_counts.most_common(10) # 获取前10最高频的词
print (word_counts_top10) # 输出检查

# 词频展示
mask = np.array(Image.open('wordcloud1.jpg')) # 定义词频背景
wc = wordcloud.WordCloud(
    font_path='C:/Windows/Fonts/simhei.ttf', # 设置字体格式
    mask=mask, # 设置背景图
    background_color="white", # 背景色
    max_words=200, # 最多显示词数
    max_font_size=100 # 字体最大值
)

wc.generate_from_frequencies(word_counts) # 从字典生成词云
image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案
wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案
plt.imshow(wc) # 显示词云
plt.axis('off') # 关闭坐标轴
plt.show() # 显示图像
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
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

背景文件wordcloud1.jpg

结果