python绘制词云图

词云图是文本分析中比较常见的一种可视化手段，将出现频率相对高的词字体相对变大，让重点词，关键词一目了然

主要用到了python的两个库：wordcloud和jieba,直接pip安装即可

jieba主要用于中文分词，wordcloud主要用于统计词频和绘图
jieba分词：

import jieba
s = "一身男儿血，满腔报国志"
print("精准模式：" + '|'.join(jieba.cut(s)))
print("全模式：" + '|'.join(jieba.cut(s, cut_all=True)))
print("搜索引擎模式：" + '|'.join(jieba.cut_for_search(s)))

输出：

精准模式：一身|男儿|血|，|满腔|报国志
全模式：一身|男儿|血|，|满腔|报国|报国志
搜索引擎模式：一身|男儿|血|，|满腔|报国|报国志

这里还可以设置自定义词典，比如“一身男儿血”不能进行分割，我们可以将“一身男儿血”放入自定义词典

自定义词典的格式：一个词占一行，比如我们设置的dict.txt是

import jieba
s = "一身男儿血，满腔报国志"
jieba.load_userdict('dict.txt')
print("精准模式：" + '|'.join(jieba.cut(s)))
print("全模式：" + '|'.join(jieba.cut(s, cut_all=True)))
print("搜索引擎模式：" + '|'.join(jieba.cut_for_search(s)))

输出：

精准模式：一身男儿血|，|满腔|报国志
全模式：一身|一身男儿血|男儿|血|，|满腔|报国|报国志
搜索引擎模式：一身|男儿|一身男儿血|，|满腔|报国|报国志

首先我们找一张图片，如：

准备一段文字，可以是字符串，也可以是写在文件里面的，写在文件内的需要读取出来，然后在用jieba进行分词，如果是分好的词，可以直接进行使用
代码：

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

text = '''
世界上最简单、有最重要的东西是什么？——是数字。
0到9九个数字，支撑起了人类的科学大厦。0和1两个数字，
构建了无边无际的互联网世界。5G、大数据、人工智能、
工业互联网……“新基建”将推动我国步入下一个发展周期，
背后的本质是0和1。再来看一串数字：14万所学校，
300万个班级，1.3亿学生，全国3亿人。
这是钉钉最新发布的“在线上课”数据和总的用户数据。
这串数字的背后，仍是0和1。没有0和1，就没有中国的抗疫胜利，
社会就要停滞，经济就要崩溃。
'''

word_list = jieba.cut(text)
space_word_list = ' '.join(word_list)
print(space_word_list)
# 调用包PIL中的open方法，读取图片文件，通过numpy中的array方法生成数组
mask_pic = np.array(Image.open("1.png"))
word = WordCloud(
    font_path='C:/Windows/Fonts/simfang.ttf',  # 设置字体，本机的字体
    mask=mask_pic,  # 设置背景图片
    background_color='white',  # 设置背景颜色
    max_font_size=150,  # 设置字体最大值
    max_words=2000,  # 设置最大显示字数
    stopwords={'的'}  # 设置停用词，停用词则不在词云途中表示
                 ).generate(space_word_list)
image = word.to_image()
word.to_file('2.png')  # 保存图片
image.show()