词云图,也叫文字云,是对文本中出现频率较高的“关键词”予以视觉化的展现,词云图过滤掉大量的低频低质的文本信息,使得浏览者只要一眼扫过文本就可领略文本的主旨。

一、在线生成词云图

1、进入https://wordart.com/create;

2、导入文本关键词;

3、选择词云图形状;

4、选择字体,由于默认的是英文字体,要生成中文字体需要自行在C:windowsFonts添加字体,可以选择雅黑字体。点Add Font添加就行;

5、选择文字的方向,选择文字方向即可;

6、点击Visualize生成词云图;

7、点击Download and Share下载图片。

二、买家评价舆情分析

import pandas as pd
from pyecharts import WordCloud
wd=pd.read_csv("cp.csv",header=0)
wd.head()

catename=[i[0]for i in wd[["关键词"]].values]
value=[int(i[0])for i in wd[["词频"]].values]wordcloud=WordCloud(width=1200,height=600)
wordcloud.add("",catename,value,word_size_range=[10,100],shape='star')

三、文本词云图

导入文本数据并作图。

filename = "wang.txt"
mytext = open(filename).read()
mytext

from wordcloud import WordCloud
mycloud = WordCloud().generate(mytext)
mycloud
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文显示
mycloud = WordCloud(font_path = 'simsun.ttc', collocations=False).generate(mytext) #解决重复问题%
config InlineBackend.figure_format='svg'#矢量图显示,解决图片不清晰问题
plt.imshow(mycloud)

plt.imshow(mycloud)plt.axis('off') #去除坐标轴
plt.show()

替换背景图,代码封装。

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import imageio
filename = "Python.txt"
mytext = open(filename).read()
picture = imageio.imread('people.jpg')
mycloud = WordCloud(  background_color = 'white',  # 背景颜色                max_words = 20000,           # 最大词数                mask = picture,              # 以该参数值作图绘制词云width和height会被忽略                max_font_size = 30,          # 显示字体的最大值                font_path = 'simsun.ttc',    # 解决显示口字型乱码问题                collocations=False,          # 避免词重复               ).generate(mytext)
plt.imshow(mycloud)
plt.axis('off')
plt.savefig('new.jpg',dpi=1000,edgecolor='blue',transparent=True, bbox_inches='tight', quality=95)
plt.show()

将此背景图片放置在路径下,建议选择一个纯色的背景图。

生成的效果如下所示:

本节所介绍的词云图生成,可以用于自然语言的处理,自然语言的处理是人工智能下的重要分支,衍生出文字识别、图像处理等等,一起学习吧!

echarts词云图形状_词云图在自然语言中的应用,可以如此炫酷!相关推荐

  1. echarts词云图形状_怎么用Python画出好看的词云图?

    相信很多人在第一眼看到下面这些图时,都会被其牛逼的视觉效应所吸引,这篇文章就教大家怎么用Python画出这种图. 前期准备 上面的这种图叫做词云图,主要用途是将文本数据中出现频率较高的关键词以可视化的 ...

  2. echarts词云图形状_用Wordcloud生成指定形状的词云图

    wordcloud是Python扩展库中一种将词语用图片表达出来的一种形式,通过词云生成的图片,我们可以更加直观的看出某篇文章的故事梗概. 首先贴出一张词云图(以哈利波特小说为例): 在生成词云图之前 ...

  3. 怎么用ai做出适量插画_怎么用最简单的方法,做出最炫酷的数据可视化图表?...

    如果要问数据怎样做才能显得最装逼,那么答案一定只有一个: "数据可视化"! 看上去也很炫酷对不对,其实上面的可视化图表其实并不复杂,很多人推荐的Python.R语言.Tableau ...

  4. echarts词云图形状_使用pyecharts绘制词云图-淘宝商品评论展示

    一.什么是词云图? 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. 制作词云图的网站有很多,简单方便,适合小批量操作. BI ...

  5. echarts词云图形状_用Python 3.8绘制词云图就这么20行代码

    艾莎为了寻找父母遇难的真相,以及自己魔力的来源,她与安娜.克斯托夫.驯鹿斯特与雪宝一行远走阿伦戴尔王国,去北方寻找这两个问题的答案,途中发生了一些冒险故事-- 电影<冰雪奇缘2>无论是美轮 ...

  6. echarts实现中国地图和自定义形状的词云图

    目录 1.中国地图 2.词云图 3.资源源码 用echarts实现了中国地图上的发票流入流出图和小鸟形状的词云图. 先看下效果 中国地图(有动态的流入流出箭头和悬浮框提示信息): 词云图(小鸟形状,也 ...

  7. 查看list的形状_用Wordcloud生成指定形状的词云图

    wordcloud是Python扩展库中一种将词语用图片表达出来的一种形式,通过词云生成的图片,我们可以更加直观的看出某篇文章的故事梗概. 首先贴出一张词云图(以哈利波特小说为例): 在生成词云图之前 ...

  8. echarts的词云图表类型有哪些_词云图的几种制作方法评测,你pick哪款

    前言 大家好,不知道大家会在什么场合使用词云图,对我来说词云图的优点除了它可以展示大量文本数据.从而让读者快速抓住重点,更重要的是词云图好看啊所以今天给大家分享几种词云图的制作方法.首先我们来思考一下 ...

  9. python绘制词云图转换图_(数据科学学习手札71)利用Python绘制词云图

    1 简介 词云图是文本挖掘中用来表征词频的数据可视化图像,通过它可以很直观地展现文本数据中地高频词: 图1 词云图示例 在Python中有很多可视化框架可以用来制作词云图,如pyecharts,但这些 ...

最新文章

  1. 二相并行FIR滤波器的matlab及使用FIR IP 核的FPGA实现
  2. C#调用python文件
  3. 基于轻量型Web服务器Raspkate的RESTful API的实现
  4. data URI scheme及其应用
  5. jquery ui autocomplete输入中文不自动完成的问题
  6. RedHat系列软件管理(第二版) --脚本安装
  7. 《scikit-learn》使用交叉验证优化KNN参数
  8. SecureCRT学习之道:SecureCRT常用快捷键设置与字体设置方法
  9. Python:matplotlib绘制条形图
  10. 基于HFSS阵列天线设计
  11. 搭载rtmp直播服务器
  12. linux 极路由救砖,极路由刷机教程 极路由救砖方法图文详解
  13. 【磨刀不误砍柴工】由传递函数绘出频率响应图
  14. ExtraMAME(mame模拟器)官方正式版V21.0下载 | ExtraMAME模拟器
  15. 由课堂思考生活(作者:张子逸)
  16. js实现简单的倒计时功能
  17. jQuery中过滤选择器的eq,ne等于gt大于lt小于
  18. 交货状态html什么意思,Marc Jacobs The Uptown 手提包
  19. Windows平板 触摸屏 快速屏蔽/开启 快捷键
  20. 搭建虚拟Web主机(基于域名、IP、端口)

热门文章

  1. python爬虫之多线程、多进程+代码示例
  2. pythonpy文件打包成exe软件
  3. 【CCF】201412-1门禁系统
  4. LVQ,Learning Vector Quantization,学习向量量化
  5. EXT学习经验分享:深刻理解EXT与服务器端的交互
  6. reportviewer动态数据源
  7. gridview 通用分页实现
  8. 深度学习《各种归一化的区别》
  9. Pytorch《LSTM模型》
  10. 漫步凸分析一——仿射集