python词云实现可视化——最简洁易懂教程

我们开门见山，从6个步骤实现词云，包括：1、读取文本 2、分词 3、加载停用词表 4、去停用词 5、提取关键词2 6、词云展示 。

本节内容所用到的小文本数据集和停词表，我会提供给大家。那么话不多说，开始吧。

小文本数据集链接：百度网盘请输入提取码 提取码：9527

停词表：最全中文停用词表整理（1893个）_Dorisi_H_n_q的博客-CSDN博客_中文停用词 将里面的词全部复制放在txt文档中，取名stopWord_all.txt

生成词云背景图：bg1.png 大家自行保存。

完整代码也在文章末尾给出，不需要看每一步具体的流程的童鞋可以直接在末尾cv代码。

第一步：下载并导python库包

代码如下：直接复制粘贴即可

import matplotlib.pyplotas plt# 绘制图像的模块

import jieba.analyseas anls# 关键词提取

import re

from collectionsimport Counter

from wordcloudimport WordCloud

import numpyas np

from PILimport Image

import jieba

代码复制后，要装上相应的库在pycharm中点击 file->setting 找到这里进行安装库，（不再详细介绍，如果有小白不会下载安装库，可以留言）

第二步：读取文本+分词+去停用词+词频统计+词云生成

# 1、读取文本

text =open("nba安东尼百度百科.txt",'r',encoding='utf-8').read()

stopwords = [line.strip()for linein open('stopWord_all.txt',encoding='UTF-8').readlines()]# 加载停用词表，停用词表的路径，按照自己写的设定。

# 2、去停用词 list类型

text_split_no = []

for wordin text_split:

if wordnot in stopwords:

text_split_no.append(word)

# print(text_split_no)

text_split_no_str =' '.join(text_split_no)# list类型分为str

# 3、基于tf-idf提取关键词

print("基于TF-IDF提取关键词结果：")

keywords = []

for x, win anls.extract_tags(text_split_no_str,topK=20,withWeight=True): #topK是设置关键词的个数

keywords.append(x)# 前20关键词组成的list

keywords =' '.join(keywords)# 转为str

print(keywords)

# 4、画词云

mask = np.array(Image.open("bg1.jpg"))#选择词云背景图片

wordcloud = WordCloud(font_path="D:\simfang.ttf",background_color="white",width=1000,height=880,mask=mask,mode="RGBA").generate(keywords)

# 设置字体，不然会出现口字乱码，文字的路径是电脑的字体一般路径，可以换成别的

# keywords为字符串类型

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

plt.axis("off")

plt.show()

wordcloud.to_file("bg3.png")#生成的词云图片

运行结果：

关键词提取

词云效果

好了，到这里，整个小实验已经完成了，我把完整的代码给大家放在下面，直接cv:

注意：文本路径，和topK的值（设置关键词的个数）大家按照自己情况更换。

完整代码如下：

import matplotlib.pyplotas plt# 绘制图像的模块

import jieba.analyseas anls# 关键词提取

import re

from collectionsimport Counter

from wordcloudimport WordCloud

import numpyas np

from PILimport Image

import jieba

'''功能描述： 1、读取文本 2、分词 3、加载停用词表 4、去停用词 5、提取关键词2种方法 6、画词云展示'''

# 1、读取文本

text =open("nba安东尼百度百科.txt",'r',encoding='utf-8').read()

# 加载停用词表

stopwords = [line.strip()for linein open('stopWord_all.txt',encoding='UTF-8').readlines()]# list类型

# 分词未去停用词

text_split = jieba.cut(text)# 未去掉停用词的分词结果 list类型

# 去掉停用词的分词结果 list类型