公众号后台回复“图书“，了解更多号主新书内容

作者：叶庭云，https://blog.csdn.net/fyfugoyfa

一、词云图

• 词云图是一种用来展现高频关键词的可视化表达，通过文字、色彩、图形的搭配，产生有冲击力地视觉效果，而且能够传达有价值的信息。

• 词云就是通过形成“关键词云层”或“关键词渲染”，对网络文本中出现频率较高的“关键词”的视觉上的突出。

• 词云图过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。

• 本文通过对已获取的京东商品评论数据进行预处理、文本分词、词频统计、词云展示，熟悉制作词云的基本方法。

二、stylecloud库绘制词云

1. stylecloud简介

对自己而言，平时用 python 制作词云主要使用wordcloud，如果在可视化的过程还要用 pyecharts 绘制其他图，那么词云也干脆就用pyecharts制作了。stylecloud也是一个 python 绘制词云的包，是一位数据科学家 Max Woolf 基于 wordcloud 优化改良而成。并添加了一些更有用的功能，从而让使用者更易创作出独特并且颜值颇高的词云。

安装

pip install stylecloud -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

stylecloud具有以下特点：

• 为词云提供（任意大小）的图标形状（通过 Font Awesome 5.11.2 获得）

• 支持高级调色板（通过 palettable 实现）

• 为上述调色板提供直接梯度

• 支持读取文本文件，或预生成的 CSV 文件（包含单词和数字）

• 提供命令行接口

2. 蒙版图片

影响词云颜值的问题之一就是蒙版图片的生成。

自己制作的蒙版图片要么分辨率不统一，要么需要调整对比度，比较麻烦，stylecloud是直接使用 Font Awesome 这个现成的方案。

网址链接：https://fontawesome.com/license/free

在stylecloud \ static的文件夹下，有一个 fontawesome.min 的 css 文件包含了大量的图标，打开查看里面的内容，发现其中包含很多图标的代码。

这种 css 层叠样式表，咱也看不懂、也不知道咋用呀，多亏有中文网站分门别类罗列了图标的样子和名字。

比如：https://fa5.dashgame.com/#/%E5%9B%BE%E6%A0%87 里面有详细的图标介绍和分类

使用方法如下：

比如要使用苹果商标的蒙版图片，样式前缀 fab，以 fa-为前缀的名称 fa-apple，设置icon_name参数，icon_name='fab fa-apple'即可。

3. 配色

配色是影响词云颜值的又一大问题。stylecloud同样找到了比较好的方案，配色方案使用高级调色板 palettable 来实现。

palettable 网站：https://jiffyclub.github.io/palettable/

我们可以通过修改参数 palette='配色方案' 来达到更改自己的词云配色。

4. 绘制词云

gen_stylecloud() 主要参数如下：

• text：输入文本，最好在直接调用函数时使用。

• file_path：输入文本/CSV 的文件路径

• icon_name：stylecloud 形状的图标名称（如 fas fa-grin-beam)，[default: fas fa-flag]

• palette：控制调色方案，stylecloud的调色方案调用了palettable，这是一个非常实用的模块，其内部收集了数量惊人的大量的经典调色方案，默认为 cartocolors.qualitative.Bold_5

• output_name：stylecloud 的输出文本名。[default: stylecloud.png]

• gradient：梯度方向，(其默认值是 None，如果它的值不是 None，则 stylecloud 使用了方向性梯度）[default: None]

• size：控制输出图像文件的分辨率（因为stylecloud默认输出方形图片，所以size传入的单个整数代表长和宽)，默认为512

• font_path：stylecloud 所用字体 .ttf 文件的路径。[default: uses included Staatliches font]

• random_state：控制单词和颜色的随机状态

• background_color：字符串，控制词云图底色，可传入颜色名称或16进制色彩，默认为 white

• max_font_size：stylecloud 中的最大字号 [default: 200]

• max_words：stylecloud 可包含的最大单词数 [default: 2000]

• stopwords：bool型，控制是否开启去停用词功能，默认为True，调用自带的英文停用词表

• custom_stopwords：传入自定义的停用词List，配合stopwords共同使用

# -*- coding: UTF-8 -*-
"""
@Author  ：叶庭云
@CSDN    ：https://yetingyun.blog.csdn.net/
"""
from stylecloud import gen_stylecloud
import jieba
import re
import random# 读取数据
with open('datas.txt', encoding='utf-8') as f:data = f.read()# 文本预处理  去除一些无用的字符   只提取出中文出来
new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S)
new_data = "/".join(new_data)# 文本分词
seg_list_exact = jieba.cut(new_data, cut_all=True)result_list = []
with open('stop_words.txt', encoding='utf-8') as f:con = f.readlines()stop_words = set()for i in con:i = i.replace("\n", "")   # 去掉读取每一行数据的\nstop_words.add(i)for word in seg_list_exact:# 设置停用词并去除单个词if word not in stop_words and len(word) > 1:result_list.append(word)
print(result_list)# 个人推荐使用的palette配色方案  效果挺好看
# colorbrewer.qualitative.Dark2_7
# cartocolors.qualitative.Bold_5
# colorbrewer.qualitative.Set1_8gen_stylecloud(text=' '.join(result_list),               # 文本数据size=600,                                 # 词云图大小font_path=r'‪C:\Windows\Fonts\msyh.ttc',   # 中文词云  显示需要设置字体output_name='词云.png',                   # 输出词云图名称icon_name='fas fa-grin-beam',             # 图标palette=cartocolors.qualitative.Bold_5    # 设置配色方案)

运行效果如下：

三、wordcloud库绘制词云

wordcloud是优秀的词云展示第三方库 可以在命令行通过pip安装

pip install wordcloud -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

wordcloud库把词云当作一个WordCloud对象

• wordcloud.WordCloud( ) 代表一个文本对应的词云

• 可以根据文本中词语出现的频率等参数绘制词云

• 绘制词云的形状，尺寸和颜色都可以设定

配置对象参数代码实现：

# -*- coding: UTF-8 -*-
"""
@Author  ：叶庭云
@CSDN    ：https://yetingyun.blog.csdn.net/
"""
import jieba
import collections
import re
from wordcloud import WordCloud
import matplotlib.pyplot as plt# 958条评论数据
with open('data.txt') as f:data = f.read()# 文本预处理  去除一些无用的字符   只提取出中文出来
new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S)
new_data = " ".join(new_data)# 文本分词
seg_list_exact = jieba.cut(new_data, cut_all=True)result_list = []
with open('stop_words.txt', encoding='utf-8') as f:con = f.readlines()stop_words = set()for i in con:i = i.replace("\n", "")   # 去掉读取每一行数据的\nstop_words.add(i)for word in seg_list_exact:# 设置停用词并去除单个词if word not in stop_words and len(word) > 1:result_list.append(word)
print(result_list)# 筛选后统计
word_counts = collections.Counter(result_list)
# 获取前100最高频的词
word_counts_top100 = word_counts.most_common(100)
print(word_counts_top100)# 绘制词云
my_cloud = WordCloud(background_color='white',  # 设置背景颜色  默认是blackwidth=900, height=600,max_words=100,            # 词云显示的最大词语数量font_path='simhei.ttf',   # 设置字体  显示中文max_font_size=99,         # 设置字体最大值min_font_size=16,         # 设置子图最小值random_state=50           # 设置随机生成状态，即多少种配色方案
).generate_from_frequencies(word_counts)# 显示生成的词云图片
plt.imshow(my_cloud, interpolation='bilinear')
# 显示设置词云图中无坐标轴
plt.axis('off')
plt.show()

词云图：

四、pyecharts库的WordCloud绘制词云

pyecharts是基于echarts的python库，能够绘制多种交互式图表，和其他可视化库不一样，pyecharts支持链式调用。

也就是说添加图表元素、修改图表配置，只需要简单的调用组件即可。

# class pyecharts.charts.WordCloud
class WordCloud(# 初始化配置项，参考 `global_options.InitOpts`init_opts: opts.InitOpts = opts.InitOpts()
)

# func pyecharts.charts.WordCloud.add
def add(# 系列名称，用于 tooltip 的显示，legend 的图例筛选。series_name: str,# 系列数据项，[(word1, count1), (word2, count2)]data_pair: Sequence,# 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选shape: str = "circle",# 自定义的图片（目前支持 jpg, jpeg, png, ico 的格式，其他的图片格式待测试）# 该参数支持：# 1、 base64 （需要补充 data 头）；# 2、本地文件路径（相对或者绝对路径都可以）# 注：如果使用了 mask_image 之后第一次渲染会出现空白的情况，再刷新一次就可以了（Echarts 的问题）# Echarts Issue: https://github.com/ecomfe/echarts-wordcloud/issues/74mask_image: types.Optional[str] = None,# 单词间隔word_gap: Numeric = 20,# 单词字体大小范围word_size_range=None,# 旋转单词角度rotate_step: Numeric = 45,# 距离左侧的距离pos_left: types.Optional[str] = None,# 距离顶部的距离pos_top: types.Optional[str] = None,# 距离右侧的距离pos_right: types.Optional[str] = None,# 距离底部的距离pos_bottom: types.Optional[str] = None,# 词云图的宽度width: types.Optional[str] = None,# 词云图的高度height: types.Optional[str] = None,# 允许词云图的数据展示在画布范围之外is_draw_out_of_bound: bool = False,# 提示框组件配置项，参考 `series_options.TooltipOpts`tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,# 词云图文字的配置textstyle_opts: types.TextStyle = None,# 词云图文字阴影的范围emphasis_shadow_blur: types.Optional[types.Numeric] = None,# 词云图文字阴影的颜色emphasis_shadow_color: types.Optional[str] = None,
)

代码实现：

# -*- coding: UTF-8 -*-
"""
@Author  ：叶庭云
@CSDN    ：https://yetingyun.blog.csdn.net/
"""
import jieba
import collections
import re
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType
from pyecharts import options as opts
from pyecharts.globals import ThemeType, CurrentConfigCurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'# 958条评论数据
with open('data.txt') as f:data = f.read()# 文本预处理  去除一些无用的字符   只提取出中文出来
new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S)  # 只要字符串中的中文
new_data = " ".join(new_data)# 文本分词--精确模式分词
seg_list_exact = jieba.cut(new_data, cut_all=True)result_list = []
with open('stop_words.txt', encoding='utf-8') as f:con = f.readlines()stop_words = set()for i in con:i = i.replace("\n", "")   # 去掉读取每一行数据的\nstop_words.add(i)for word in seg_list_exact:# 设置停用词并去除单个词if word not in stop_words and len(word) > 1:result_list.append(word)
print(result_list)# 筛选后统计
word_counts = collections.Counter(result_list)
# 获取前100最高频的词
word_counts_top100 = word_counts.most_common(100)
# 可以打印出来看看统计的词频
print(word_counts_top100)word1 = WordCloud(init_opts=opts.InitOpts(width='1350px', height='750px', theme=ThemeType.MACARONS))
word1.add('词频', data_pair=word_counts_top100,word_size_range=[15, 108], textstyle_opts=opts.TextStyleOpts(font_family='cursive'),shape=SymbolType.DIAMOND)
word1.set_global_opts(title_opts=opts.TitleOpts('商品评论词云图'),toolbox_opts=opts.ToolboxOpts(is_show=True, orient='vertical'),tooltip_opts=opts.TooltipOpts(is_show=True, background_color='red', border_color='yellow'))
word1.render("商品评论词云图.html")

词云图：

用pyecharts绘制的词云图渲染在网页上，具有交互效果，还有很多的配置参数可以设置让词云图看起来更美观。

◆ ◆ ◆  ◆ ◆
麟哥新书已经在京东上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前京东正在举行100-40活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。管理员二维码：猜你喜欢● 卧槽！原来爬取B站弹幕这么简单● 厉害了！麟哥新书登顶京东销量排行榜！● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主！● 你相信逛B站也能学编程吗