python如何画词云图

### 使用 Python 绘制词云图 绘制词云图是一种常见的数据可视化方式，可以直观展示文本中的关键词及其重要程度。以下是完整的教程和代码示例。 #### 导入必要的库 为了实现词云图的绘制，需要安装并导入一些常用的第三方库： ```python import jieba # 中文分词工具 from PIL import Image # 图像处理库 from wordcloud import WordCloud # 用于生成词云图的核心库 import numpy as np # 数学计算库 import matplotlib.pyplot as plt # 数据可视化库 ``` 这些库可以通过 `pip` 安装，例如运行以下命令来安装缺失的依赖项： ```bash pip install pillow wordcloud jieba matplotlib ``` --- #### 加载文本文件 加载目标文本文件，并清理其中可能存在的干扰字符（如换行符、空白等）。假设输入文件名为 `"example.txt"`，编码为 UTF-8 或 GBK，则可按如下方式进行操作： ```python text = open(r"example.txt", encoding='utf-8').read() text = text.replace('\n', "").replace("\u3000", "") # 清理换行符和特殊空格 ``` --- #### 文本分词 对于中文文本，通常需要借助 `jieba` 库进行分词处理。将分好词的结果重新组合成以空格分隔的字符串形式，以便后续传递给 `WordCloud` 对象。 ```python text_cut = jieba.lcut(text) # 利用结巴分词对文本进行切分 text_cut = ' '.join(text_cut) # 将列表转换为空格连接的字符串 ``` --- #### 添加停用词表 为了避免无意义词语占据过多空间，可通过设置停用词表过滤掉常见但不重要的词汇。例如，读取百度提供的常用停用词表： ```python stop_words = set(open(r"baidu_stopwords.txt", encoding='utf-8').read().splitlines()) ``` --- #### 配置词云参数 通过配置 `WordCloud` 的属性来自定义词云样式，包括字体路径、背景颜色以及是否启用停用词等功能。 ```python word_cloud = WordCloud( font_path="simhei.ttf", # 字体路径，需支持中文显示 background_color="white", # 背景颜色设为白色 width=800, height=400, # 设置画布大小 max_words=200, # 显示的最大单词数量 stopwords=stop_words # 停用词集合 ).generate(text_cut) # 输入已预处理后的文本内容 ``` > **注意**: 如果未指定有效的中文字体路径，可能会导致乱码现象发生[^1]。 --- #### 可视化与保存图片 最后一步是利用 Matplotlib 展现生成结果或将图像导出至本地磁盘存储起来。 ```python plt.figure(figsize=(10, 5)) # 创建绘图窗口 plt.imshow(word_cloud, interpolation="bilinear") # 插值算法平滑边缘效果 plt.axis('off') # 关闭坐标轴刻度线 plt.show() # 实时查看渲染成果 # 同时也可以直接保存到文件夹下 word_cloud.to_file("output_wordcloud.png") ``` --- #### 自定义形状 (可选扩展功能) 如果希望进一步美化设计风格，还可以引入外部轮廓模板作为遮罩层应用到最终作品之中。 ```python mask = np.array(Image.open("custom_shape.png")) # 提供任意 PNG 文件充当蒙版素材 wc_with_mask = WordCloud(mask=mask, contour_width=3, contour_color='steelblue', prefer_horizontal=0.9).generate(text_cut) plt.figure(figsize=(10, 5)) plt.imshow(wc_with_mask, interpolation='bilinear') plt.axis("off") plt.show() wc_with_mask.to_file("masked_output.png") ``` 以上即完成了基于 Python 平台构建个性化定制版本的词频统计图表制作流程说明[^2]。 ---