python做词云做文本处理_python词云库wordCloud使用方法详解(解决中文乱码)

文章中的例子主要借鉴wordColud的examples，在文章对examples中的例子做了一些改动。

一、wordColud设计中文词云乱码

使用wordColud设计词云的时候可能会产生乱码问题，因为wordColud默认的字体不支持中文，所以我们只需要替换wordColud的默认字体即可正常显示中文。

1、中文词云乱码

我们使用simhei(黑体)来替换wordColud的默认字体。

2、替换默认字体

a、在字体文件*.tff字体文件(simhei.tff)拷贝到wordColud安装的文件夹中，文件夹路径：anaconda(python)-->lib-->site-packages-->wordcolud，如下图：

其中矩形框出来的是wordColud默认的字体，椭圆形框的是我们下载的字体。

b、修改wordcolud.py文件中的字体设置，打开改路径下的wordcolud.py文件，找到下图的所示的框出来的这一行(29行)

将系统的DroidSansMono.tff修改为simhei.tff即可。

二、wordColud示例

1、设计一个简单的圆形词云

import numpy as np

import matplotlib.pyplot as plt

from wordcloud import WordCloud,STOPWORDS

from PIL import Image

from os import path

import matplotlib.pyplot as plt

#用来正常显示中文

plt.rcParams["font.sans-serif"]=["SimHei"]

#用来正常显示负号

plt.rcParams["axes.unicode_minus"]=False

import os

import random,jieba

'''

绘制单个词一个圆形的词云

'''

def single_wordColud():

text = "第一 第二 第三 第四"

#产生一个以(150,150)为圆心,半径为130的圆形mask

x,y = np.ogrid[:300,:300]

mask = (x-150) ** 2 + (y-150) ** 2 > 130 ** 2

mask = 255 * mask.astype(int)

wc = WordCloud(background_color="white",repeat=True,mask=mask)

wc.generate(text)

#将x轴和y轴坐标隐藏

plt.axis("off")

plt.imshow(wc,interpolation="bilinear")

plt.show()

2、以图片形状作为背景设计词云

下面以蜡笔小新的这张图片作为背景来设计一个词云，我们通过读取一个txt文件，文件中包含了很多段落，然后通过jieba对句子进行分词，去除停用词之后，生成一张词云的照片。

a、读取文件内容

使用jieba分词后，词之间需要通过空格进行分割，不然在产生词云的时候回变成一个词。

'''

中文分词

'''

def segment_words(text):

article_contents = ""

#使用jieba进行分词

words = jieba.cut(text,cut_all=False)

for word in words:

#使用空格来分割词

article_contents += word+" "

return article_contents

b、读取停用词

停用词包括一些标点符号，和一些没有实际意义的词，我们需要将这些词都去除。

'''

从文件中读取停用词

'''

def get_stopwords():

dir_path = path.dirname(__file__) if "__file__" in locals() else os.getcwd()

#获取停用词的路径

stopwords_path = os.path.join(dir_path,"txt/stopwords.txt")

#创建set集合来保存停用词

stopwords = set()

#读取文件

f = open(stopwords_path,"r",encoding="utf-8")

line_contents = f.readline()

while line_contents:

#去掉回车

line_contents = line_contents.replace("n","").replace("t","").replace("u3000","")

stopwords.add(line_contents)

line_contents = f.readline()

return stopwords

c、生成词云图片

def drow_mask_wordColud():

#获取当前文件的父目录

d = path.dirname(__file__) if "__file__" in locals() else os.getcwd()

mask = np.array(Image.open(path.join(d,"img/test.jpg")))

text = open(path.join(d,"txt/test.txt"),"r",encoding="utf-8").read().

replace("n","").replace("t","").replace("u3000","")

#对文本进行分词

text = segment_words(text)

#获取停用词

stopwords = get_stopwords()

#创建词云

'''

max_words:显示词的数量

mask:背景

stopwords:停用词,是一个set集合

margin:词之间的间隔

background_color:词云图片背景颜色

'''

wc = WordCloud(max_words=100,mask=mask,background_color="white",

stopwords=stopwords,margin=10,random_state=1).generate(text)

default_colors = wc.to_array()

# #保存词云图片

# wc.to_file("a_new_hope.png")

plt.imshow(default_colors,interpolation="bilinear")

plt.axis("off")

plt.show()

3、自定义词云的颜色

from wordcloud import WordCloud,get_single_color_func

import matplotlib.pyplot as plt

'''

定义一个字体颜色设置类

'''

class GroupedColorFunc(object):

def __init__(self,color_to_words,default_color):

self.color_func_to_words=[

(get_single_color_func(color),set(words))

for (color,words) in color_to_words.items()

]

self.defalt_color_func=get_single_color_func(default_color)

def get_color_func(self,word):

try:

#设置每个词的颜色

color_func = next(color_func for (color_func,words) in self.color_func_to_words

if word in words)

except StopIteration:

#词的默认颜色

color_func = self.defalt_color_func

return color_func

def __call__(self,word,**kwargs):

return self.get_color_func(word)(word,**kwargs)

if __name__ == "__main__":

text = "第一 第二 第三 第四 第五 第六"

#创建词云

wc = WordCloud(collocations=False,background_color="white").generate(text)

#设置词的颜色

color_to_words={

#使用RGB来设置词的颜色

"#00ff00":["第一","第五"],

"red":["第三","第六"],

"yellow":["第二"]

}

#设置词默认的颜色

default_color = "blue"

grouped_color_func = GroupedColorFunc(color_to_words,default_color)

#设置词云的颜色

wc.recolor(color_func=grouped_color_func)

#显示词云图

plt.figure()

plt.imshow(wc,interpolation="bilinear")

plt.axis("off")

plt.show()

通过词的颜色设置类，来设置不同词的颜色。

4、自定义突出词的重要程度

在生成词云的时候，默认使用的是使得词频高的词更加突出，突出的词会比较大，有时候我们已经计算出了词的权重，想通过词云图来突出权重大小的差别。

from wordcloud import WordCloud

import matplotlib.pyplot as plt

import numpy as np

def get_mask():

x,y = np.ogrid[:300,:300]

mask = (x-150) ** 2 + (y-150) ** 2 > 130 ** 2

mask = 255 * mask.astype(int)

return mask

if __name__ == "__main__":

#每个词的权重

text = {"第一":0.1,"第二":0.2,"第三":0.3,"第四":0.4,"第五":0.5}

wc = WordCloud(background_color="white",mask=get_mask())

wc.generate_from_frequencies(text)

plt.axis("off")

plt.imshow(wc,interpolation="bilinear")

plt.show()

5、保存词云图片

wc.to_file("test.png")

更多关于python词云库wordCloud使用方法请查看下面的相关链接

最后

以上就是温柔水杯为你收集整理的python做词云做文本处理_python词云库wordCloud使用方法详解(解决中文乱码)的全部内容，希望文章能够帮你解决python做词云做文本处理_python词云库wordCloud使用方法详解(解决中文乱码)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。