Python 词云 【中/英】小白简单入门教程

1. 分析

构建词云需要具备：

• 原料即文章等内容
• 将内容进行分词
• 将分词后的内容利用构建词云的工具进行构建
• 保存成图片

2. 需要的主要模块

• jieba 中文分词
• wordcloud 构建词云

3. 模块原理

wordcloud的实现原理

• 文本预处理
• 词频统计 
• 将高频词以图片形式进行彩色渲染

jieba的实现原理

• 进行中文分词（有多种模式）【详情】

4. 英文词云

英文分词和构建词云只需要wordcloud模块

具体实现如下：

from wordcloud import WordCloud
 
string = 'Importance of relative word frequencies for font-size. With relative_scaling=0, only word-ranks are considered. With relative_scaling=1, a word that is twice as frequent will have twice the size. If you want to consider the word frequencies and not only their rank, relative_scaling around .5 often looks good.'
font = r'C:WindowsFontsFZSTK.TTF'
wc = WordCloud(font_path=font, #如果是中文必须要添加这个，否则会显示成框框
               background_color='white',
               width=1000,
               height=800,
               ).generate(string)
wc.to_file('ss.png') #保存图片

5. 中文分词

具体实现如下:

import jieba 
cut = jieba.cut(text)  #text为你需要分词的字符串/句子
string = ' '.join(cut)  #将分开的词用空格连接

6. 中文词云

中文词云需要jieba和wordcloud模块

具体实现如下:

import jieba
from wordcloud import WordCloud
from PIL import Image
import numpy as np

font = 'hwkt.ttf'
content = (open('岗位需求.txt','r',encoding='utf-8')).read()
cut = jieba.cut(content)
cut_content = ' '.join(cut)
img = Image.open('22.png') # 以什么图片进行显示
img_array = np.array(img) # 将图片转换为数组

wc = WordCloud(
    background_color='white',
    mask=img_array, # 若没有该项，则生成默认图片
    font_path=font # 中文分词必须有中文字体设置
)
wc.generate_from_text(cut_content) # 绘制图片
wc.to_file('new.png') # 保存图片

7. 实现效果

英文词云实现效果如下：

中文词云实现效果如下：