各位读者朋友们大家好啊，前两天我在用Python进行数据可视化工作的时候，无意中发现了下面这种带特定形状的词云图（如图1所示），我相信很多读者和我的感受应该是一样的，当看到第一眼时，一定会被这种图的视觉效果所吸引。看过我之前“用Python制作动态排序图”的朋友应该知道，Python的可视化功能相当强大，因此，今天便为大家出一期《如何用Python作出特定形状词云图》的教程，我将以图2所示的最终效果为例，向大家展示其完整的实现过程。（需要完整代码文件的读者可以在公众号：全哥的学习生涯，内回复“词云图代码”获取；需要最新停词表的读者可以回复“停词表”获取）
1. 基本思路
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。在这种图中，词的形状代表了词频，其尺寸越大，代表出现频率越高。其主要步骤如下：
1.1 首先我们需要准备一份文本文件，也就是你想进行提取分析并展示的内容，因此第一步要对这些文本内容划分成词，也就是“分词”，这一步骤主要用到的第三方库是jieba库，其中最主要的函数是具有中文分词功能的函数lcut( )，正确的分词是基础。
1.2 分词后，若想想生成特定形状的词云，需要先将背景图片导入进行图片展示，这个过程需要利用PIL库（注意PIL仅支持python2.7,若想支持Python 3.x 需要将名字变为Pillow库）中的Image.open( )函数将图片加载进来。随后需要导入numpy库，利用其中np.array函数将图片转换为ndarray类型的数据。更多Python教程请关注公众号：全哥的学习生涯
1.3 此时，就可以利用wordcloud中的Wordcloud( )函数根据分词结果生成词云了，并通过matplotlib库中的一系列函数进行展示。
2. 代码展示
在这里，我以图3中的txt格式的新年歌为例，向大家展示：
('''
#-*- coding:utf-8 -*-
# Author:全哥的学习生涯 Time:2021/1/20
#导入需要的模块
import jieba
import matplotlib.pyplot as plt
from matplotlib import colors
from wordcloud import WordCloud
import numpy as np
import os
from PIL import Image
#设置适合你的工作路径
os.chdir(r"这里填写你的工作路径")
print(os.getcwd())
''')
原始文件导入pycharm，去掉换行符和空格，并进行分词后的效果如图4所示。
'''
#加载需要分析的文章
text=open('1.txt',encoding="utf-8").read()
print(text)
#导入文本数据进行简单的文本处理，去掉换行符，半角和全角空格
text=text.replace("\n","").replace("\u3000","").replace("\u0020","")
print(text)
#分词
text_cut=jieba.lcut(text)
#将分好的词用空格分隔开并连接成字符串
text_cut=" ".join(text_cut)
print(text_cut)
#加载需要分析的文章
text=open('1.txt',encoding="utf-8").read()
print(text)
#导入文本数据进行简单的文本处理，去掉换行符，半角和全角空格
text=text.replace("\n","").replace("\u3000","").replace("\u0020","")
print(text)
#分词
text_cut=jieba.lcut(text)
#将分好的词用空格分隔开并连接成字符串
text_cut=" ".join(text_cut)
print(text_cut)
'''
此时可以利用wordcloud库及matplotlib库进行图片展示，每一行代码的解释见以下代码中的注释部分。
'''
#导入停词
stop_words=open("停词表.txt",encoding="utf-8").read().split("\n")
#导入背景图（心形图片），注意背景图除了目标形状外，其余地方都应是空白的
background=Image.open("1.png")
#将背景图转换为ndarray类型的数据
graph=np.array(background)
#设置词云中字体颜色可选择的范围
color_list=["#FF0000","#FF0000","#DC143C"]
colormap=colors.ListedColormap(color_list)
#生成词云,font_path为词云中的字体,background_color为词云图中背景颜色
#stopwords为去掉的停词，mask为背景图，colormap为词云图颜色
word_cloud=WordCloud(font_path="C:/Windows/Fonts/simsun.ttc",
background_color="white",stopwords=stop_words,mask=graph,colormap=colormap)
#生成词云
word_cloud.generate(text_cut)
'''
'''
#运用matplotlib中的相关函数生成词云
plt.figure(figsize=(12,8),dpi=100)
#显示词云
plt.imshow(word_cloud)
#去掉其显示的坐标轴
plt.axis("off")
#保存词云图
plt.savefig("词云图.png")
plt.show()
'''
注意，如果加上以下两行代码，那么最终生成的图片如图5所示，否则，图片将以图6的形式呈现出来。
color_list=["#FF0000","#FF0000","#DC143C"]
colormap=colors.ListedColormap(color_list)
这样，一张带有特定形状的词云图就做出来了。
最后，如果屏幕前的你对Python的可视化学习还有什么问题或看法，或者对本公众号有什么建议，欢迎在公众号：全哥的学习生涯，内给我留言，或者直接添加我的个人微信（公众号内菜单栏“与我联系——联系方式”可获得）
感谢你的阅读。
