python 词云图

词云也叫文字云 是一种可视化的结果呈现 常用在爬虫数据分析中 原理就是统计文本中高频出现的次 过滤掉某些干扰词 将结果生成一张图片 直观得到分析后数据的重要信息。

常用到的库就是wordcloud和jieba

还没有安装的话 先打开命令行格式

输入pip install wordcloud 下载wordcloud库
输入pip install jieba 下载jieba库

WordCloud对象常用参数
WordCloud是生成词云图的

而JieBa是优秀的中文分词库。它的原理是利用一个中文词库 确定中文字符之间的关联概率 汉字间概率大的组成词组 形成分词结果 除了分词 还可以添加自定义词组。

使用jieba.lcut(s) 返回列表型分词结果

好了 这两个库的原理大概就是这样了。

今天测试的文档是B站入站必刷视频的有关信息

所用到的背景图片是一簇鲜花 背景颜色是白色

from wordcloud import WordCloudfrom PIL import Imageimport numpy as npimport matplotlib.pyplot as plt
import jieba

with open(“入站必看视频.csv”,encoding “utf-8”) as f:
s f.read()

text ’ .join(jieba.cut(s))

print(text)

img Image.open(“test1.jpg”) # 打开遮罩图片
mask np.array(img) #将图片转换为数组

stopwords [“我”,“你”,“她”,“的”,“是”,“了”,“在”,“也”,“和”,“就”,“都”,“这”]

#因为图片背景颜色是白色 所以这里用到了background_color ‘white’

wc WordCloud(font_path “msyh.ttc”,
mask mask,
width 1000,
height 700,
background_color ‘white’,
max_words 200,
stopwords stopwords).generate(text)

plt.imshow(wc, interpolation ‘bilinear’)# 用plt显示图片
plt.axis(“off”) # 不显示坐标轴
plt.show() # 显示图片

wc.to_file(“test2.png”)