Python 畫好看的雲詞

詞雲圖是數據分析中比較常見的壹種可視化手段。詞雲圖，也叫文字雲，是對文本中出現頻率較高的 關鍵詞 予以視覺化的展現，出現越多的詞，在詞雲圖中展示越顯眼。詞雲圖過濾掉大量低頻低質的文本信息，因此只要壹眼掃過文本就可領略文章主旨。

例如?上面這張圖，看壹眼就知道肯定是新華網的新聞。

那生成壹張詞雲圖的主要步驟有哪些？這裏使用 Python 來實現，主要分三步：

首先是“結巴”中文分詞 jieba 的安裝。

對於英文文本，word_cloud 可以直接對文本源生成詞雲圖。但是對中文的支持沒有那麽給力，所以需要先使用 jieba 對中文文本進行分詞，把文章變成詞語，然後再生成詞雲圖。例如：

jieba.cut 分詞：方法接受三個輸入參數，sentence 需要分詞的字符串；cut_all 用來控制是否采用全模式；HMM 用來控制是否使用 HMM 模型。

jieba.cut_for_search 分詞：方法接受兩個參數，sentence 需要分詞的字符串；是否使用 HMM 模型。該方法適合用於搜索引擎構建倒排索引的分詞，粒度比較細。

jieba.analyse.textrank 使用 TextRank 算法從句子中提取關鍵詞。

然後安裝 wordcloud 詞雲圖庫。

如果執行上面命令後，顯示 success，那麽恭喜妳，安裝成功了。

我就遇到了 Failed building wheel for wordcloud 的錯誤。於是先安裝 xcode-select, 再安裝 wordcloud 即可（無需安裝 Xcode）。

wordcloud 庫把詞雲當作壹個 WordCloud 對象，wordcloud.WordCloud() 代表壹個文本對應的詞雲，可以根據文本中詞語出現的頻率等參數繪制詞雲，繪制詞雲的形狀、尺寸和顏色。

1、首先導入文本數據並進行簡單的文本處理

2、分詞

3、設置遮罩

註意：

1、默認字體不支持中文，如果需要顯示中文，需要設置中文字體，否則會亂碼。

2、設置遮罩時，會自動將圖片非白色部分填充，且圖片越清晰，運行速度越快

其中 WordCloud 是雲詞圖最重要的對象，其主要參數描述如下：

效果如下圖：

上小結是將文章中所有內容進行分詞，輸出了所有詞，但很多時候，我們有進壹步的需求。例如：

1、只需要前 100 個關鍵詞就夠了。

2、不需要五顏六色的詞語，應與遮罩圖片顏色壹致。

100個關鍵詞，我們在分詞時使用 TextRank 算法從句子中提取關鍵詞。

遮罩顏色可通過設置 WordCloud 的 color_func 屬性。

最終效果如下：