基于Python实现词云制作

1 第三方库的安装与简介

1.1 Python第三方库 jieba（中文分词）

1. 特点

（1）支持三种分词模式：

• 精确模式，试图将句子最精确地切开，适合文本分析；
• 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；
• 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

（2）支持繁体分词

（2）支持自定义词典

（3）MIT 授权协议

2. 安装和使用说明

pip install jieba / pip3 install jieba

通过 import jieba 进行引用

3. 主要功能

这里主要涉及到的是分词功能，详述如下：

（1）jieba.cut 方法接受三个输入参数:

• 需要分词的字符串；
• cut_all 参数用来控制是否采用全模式；
• HMM 参数用来控制是否使用 HMM 模型。

（2）jieba.cut_for_search 方法接受两个参数：

• 需要分词的字符串；
• 是否使用 HMM 模型。

该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细。

1. 待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。

2. 不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8。

3. jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用jieba.lcut 以及jieba.lcut_for_search 直接返回 list。

（3）jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器，可用于同时使用不同词典。jieba.dt 为默认分词器，所有全局分词相关函数都是该分词器的映射。

4. 示例代码

（1）实现代码：

# coding=utf-8
import jieba

text = "轻轻地我走了正如我轻轻地来"

seg_list = jieba.cut(text, cut_all=False)
print("Default Mode: " + "/ ".join(seg_list))       # 精确模式

seg_list = jieba.cut(text, cut_all=True)
print("Full Mode: " + "/ ".join(seg_list))          # 全模式

seg_list = jieba.cut_for_search(text)
print("Search Mode: " + "/ ".join(seg_list))        # 搜索引擎模式

 

（2）运行结果：

 

1.2 Python第三方库wordcloud（词云）

1. 安装和使用说明

pip install wordcloud / pip3 install wordcloud

通过 import wordcloud 进行引用

2. 主要功能

wordcloud把词云当作一个对象，它可以将文本中词语出现的频率作为一个参数绘制词云，而词云的大小、颜色、形状等都是可以设定的。

生成词云的步骤如下：

（1）配置对象参数

（2）加载词云文本

（3）输出词云文件 （如果不加说明默认的图片大小为400 * 200）

3. 常见的参数列表

 

2 制作生成词云

2.1 生成《新冠病毒无症状感染者管理规范》的词云

（1）实现代码：

# coding=utf-8
import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloud

# 1.读入txt文本数据
with open("test.txt", 'r') as f:
          text=f.read()

# 2.分词
cut_text = " ".join(jieba.cut(text))

# 3.生成词云
wc = WordCloud(
    font_path=r'.\simhei.ttf',
    background_color = 'white',
    width = 1000,
    height = 880,
).generate(cut_text)

# 4.显示词云图片
plt.imshow(wc, interpolation="bilinear")
plt.axis('off')
plt.show()

 

（2）运行结果：

 

2.2 生成《关于做好高校毕业生就业创业工作的通知》的词云

（1）实现代码：

# coding=utf-8
import PIL.Image as image
import numpy as np
import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloud, ImageColorGenerator

def GetWordCloud():
    path_txt = "test.txt"
    path_img = "test.jpg"
    # 1.读入txt文本数据
    with open(path_txt, 'r') as f:
          text=f.read()
    background_image = np.array(image.open(path_img))

    # 2.分词
    cut_text = " ".join(jieba.cut(text))

    # 3.生成词云
    wc = WordCloud(
        font_path=r'.\simhei.ttf',
        background_color = 'white',
        mask=background_image
    ).generate(cut_text)

    # 生成颜色值
    image_colors = ImageColorGenerator(background_image)

    # 4.显示词云图片
    plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
    plt.axis('off')
    plt.show()


if __name__ == "__main__":
    GetWordCloud()

 

（2）运行结果：

 

Python第三方库jieba（中文分词）