如何用Python制作词云，对1000首古诗做词云分析！

今天来介绍一下如何使用 Python 制作词云。

词云又叫文字云，它可以统计文本中频率较高的词，并将这些词可视化，让我们可以直观的了解文本中的重点词汇。

词的频率越高，词显示的大小也就越大。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

1，wordcloud 模块

wordcloud 是一个词云生成器，它不仅是一个 Python 库，还是一个命令行工具。我们可以通过 wordcloud 官方文档，和示例库来学习如何使用它。

在使用 wordcloud 之前，需要先安装它：

pip install wordcloud

2，WordCloud 类

WordCloud 类用于创建词云对象，先来看下它的原型：

WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9, mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None, background_color='black', max_font_size=None, font_step=1, mode='RGB', relative_scaling='auto', regexp=None, collocations=True, colormap=None, normalize_plurals=True, contour_width=0, contour_color='black', repeat=False, include_numbers=False, min_word_length=0, collocation_threshold=30)

可以看到，WordCloud 类有很多参数可以设置，这里介绍一些常用的参数：

font_path：设置字体文件路径，字体文件以 .ttf 为后缀。
如果分析的文本是中文，则需要设置中文字体，否则会乱码。

background_color：设置图片背景颜色，默认为 black，也可以设置为 white 等。
mask：设置背景图片。
max_words：设置最大的词数，默认为200。
stopwords：设置停用词。
max_font_size：设置字体最大值。
width：设置画布的宽度，默认为400。
height：设置画布的高度，默认为200。
random_state：设置多少种随机状态，即多少种颜色。

在创建好词云对象后，可以使用 generate 方法生成词云，并使用 to_file 方法将词云图像保存在文件中。

generate 方法的原型如下：

generate(text)

参数text 是一个用空格隔开的文本字符串。如果分析的是中文，需要先用 jieba 进行分词，可以参考这里。

除了将词云图像保存在文件中，还可以使用 Matplotlib 模块显示词云图像，示例代码如下：

import matplotlib.pyplot as pltplt.imshow(wordcloud)  # wordcloud 是词云对象
plt.axis("off")        # 用于关闭坐标轴
plt.show()

3，一个简单的示例

下面演示一个最简单的示例，来看如何使用 wordcloud。

首先创建词云对象：

from wordcloud import WordCloud
wc = WordCloud()

生成词云：

text = "Python is a programming language, it is easy to use."
wc.generate(text)

词云对象的 words_ 属性中存储了每个单词的（归一化后的）权重，权重的范围是 (0, 1]。

words_ 属性是一个字典类型，它存储的键的最大个数为 max_words，即 WordCloud 类的参数。

如下：

>>> wc.words_
{'Python': 1.0, 'programming': 1.0, 'language': 1.0, 'easy': 1.0, 'use': 1.0}
# 示例中的这些单词出现的频率都相等（均为 1），
# 所以它们的权重都是 1。

用 Matplotlib 展示词云图像：

import matplotlib.pyplot as pltplt.imshow(wc)
plt.axis("off")
plt.show()

词云图像如下：

4，对古诗做词云分析

我在这里准备了一个案例，是对1000 首古诗做词云分析。

代码目录如下：

wordcloud/
├── SimHei.ttf
├── gushi.txt
└── gushi_wordcloud.py

其中：

SimHei.ttf：是一个字体文件，避免词云分析时出现中文乱码。
gushi.txt：该文件中包含了1000 首古诗。
gushi_wordcloud.py：是词云分析代码。

我将代码也放在这里，方便查看：

#!/usr/bin/env python
# coding=utf-8import os
import sys
import jieba
from wordcloud import WordCloudif sys.version.startswith('2.'):reload(sys)sys.setdefaultencoding('utf-8')# 去掉一些作者的名字
STOPWORDS = [u'李白', u'杜甫', u'辛弃疾', u'李清照', u'苏轼',u'李商隐', u'王维', u'白居易', u'李煜', u'杜牧',]def load_file(file_path):if sys.version.startswith('2.'):with open(file_path) as f:lines = f.readlines()else:with open(file_path, encoding='utf-8') as f:lines = f.readlines()content = ''for line in lines:line = line.encode('unicode-escape').decode('unicode-escape')line = line.strip().rstrip('\n')content += linewords = jieba.cut(content)l = []for w in words:# 如果词的长度小于 2，则舍去if len(w) < 2: continuel.append(w)return ' '.join(l)if __name__ == '__main__':file_path = './gushi.txt'content = load_file(file_path)wc = WordCloud(font_path="./SimHei.ttf",stopwords=STOPWORDS,width=2000, height=1200)wc.generate(content)wc.to_file("wordcloud.jpg")

其中：

STOPWORDS 停用词列表，是一些作者的名字。
load_file 方法用于加载文本，其中用到了 jieba 分词。

最后将词云图像保存在了 wordcloud.jpg 文件中，如下：

我们也可以从词云对象的words_ 属性中查看每个词的权重，这里我列出前十个：

('明月', 1.0)
('今日', 0.9130434782608695)
('不知', 0.8405797101449275)
('何处', 0.8260869565217391)
('不见', 0.8115942028985508)
('春风', 0.7536231884057971)
('无人', 0.7536231884057971)
('不可', 0.7536231884057971)
('万里', 0.7536231884057971)