在前两章，介绍了文本材料的准备 以及 WordArt 可视化。这里我介绍如何自己动手DIY属于自己的词云。

• 材料：

  • 文本数据
  • python （jieba，wordcloud）
    安装 jieba 和 wordcloud ：

    pip install jieba
pip install wordcloud

    wordcloud 用于生成词云，Github地址： https://github.com/amueller/word_cloud
    wordcloud 生成需要词语作为元素，由于wordcloud是国外的，对中文支持不好，所以我们需要提前对文本进行分词统计处理，得到关键词进行可视化。

• 实现：

  • 方式一：
    直接将分词结果放入wordcloud.generate()函数中进行处理（wrd_dict是分词的结果）

      import matplotlib.pyplot as plt
      from wordcloud import WordCloud 
      #可视化
      BKImg=np.array(Image.open("heart.jpg"))# 加入自定义背景图片
      my_wordcloud = WordCloud(      
            background_color='white',    # 设置背景颜色
            mask = BKImg,        # 设置背景图片
            max_words = rank_K,            # 设置最大现实的字数
            #stopwords = "小嫣嫣小星星",        # 设置停用词
            font_path = 'FZLTHJW.TTF',# 设置字体格式，如不设置显示不了中文
            max_font_size = 80,            # 设置字体最大值
            min_font_size = 10,
            # relative_scaling=0.5,
            random_state = 30,            # 设置有多少种随机生成状态，即有多少种配色方案
                scale=1
                ).generate(wrd_dict)
      clr=ImageColorGenerator(BKImg) # 加入背景的配色方案
      plt.imshow(my_wordcloud.recolor(color_func=clr))`
      plt.imshow(my_wordcloud)
      plt.axis("off")
      plt.show() #显示
      my_wordcloud.to_file("result1.png") # 将结果写入png
  

  • 方式二：
    • 方式一是将分好的词加入自定义词典，加入generate() 函数，但是这样得到的结果却不是很理想，最终 wordcloud 整理出来的结果将人名和一些人所说的话并在一起，导致“小王 哈哈哈”，“小王”都被分进词云的词典，导致“小王”这个词重复出现。
    • 为了解决这个问题，查看 WordCloud 这个类（对象），找到generate_from_frequencies(wrd_dict)这个函数，送入的是自定义的字典{[对象]：[频率]}）

  # 制作词典       
  wrd_dict={}
  for i in range(0,rank_K):
      wrd_dict[str(tags[i][0])]=round(math.log(tags[i][1]*len_txt,1.5))
  #可视化
  BKImg=np.array(Image.open("heart.jpg"))
  my_wordcloud = WordCloud(
           background_color='white',    # 设置背景颜色
           mask = BKImg,        # 设置背景图片
           max_words = rank_K,            # 设置最大现实的字数
           #stopwords = "小嫣嫣小星星",        # 设置停用词
           font_path = 'FZLTHJW.TTF',# 设置字体格式，如不设置显示不了中文
           max_font_size = 80,            # 设置字体最大值
           min_font_size = 10,
           # relative_scaling=0.5,
           random_state = 30,            # 设置有多少种随机生成状态，即有多少种配色方案
               scale=1
               ).generate_from_frequencies(wrd_dict)
  clr=ImageColorGenerator(BKImg)
  plt.imshow(my_wordcloud.recolor(color_func=clr))
  plt.imshow(my_wordcloud)
  plt.axis("off")
  plt.show()
  my_wordcloud.to_file("result2.png")
  

  • 这里 math.log() 是调整聊天记录中出现频率过度频繁的人的名字的权重，使得样 本权重比较平衡。

• 成果：

qq 聊天记录词云

大家赶紧动手制作自己的词云吧~ 趁着情人节前给自己的女朋友一个惊喜(*^▽^*)