Python（wordcloud）：根据词频信息（xlsx、csv文件）绘制词云图

一、前言

本文将介绍如何用python根据词频信息（xlsx、csv文件）绘制词云图，除了绘制常规形状的词云图（比如长方形），还可以指定词云图的形状。

二、安装并引入相关的库

1、安装相关的库

pip install jieba pip install matplotlib pip install wordcloud pip install numpy pip install Image pip install pandas

• 1
• 2
• 3
• 4
• 5
• 6

2、导入相关的库

import jieba import matplotlib.pyplot as plt from wordcloud import WordCloud import numpy as np from PIL import Image # 图像处理 import pandas as pd

• 1
• 2
• 3
• 4
• 5
• 6

三、数据处理

1、文件读取

• 本文使用的数据集是excel文件（后缀名是.xlsx），该文件包含2个字段：关键词以及对应的频数
  

• 以下是对excel文件的相关操作：

import pandas as pd df=pd.read_excel("data-test.xlsx")# 读取excel数据信息 print(df)

• 1
• 2
• 3

• 数据读取结果如下：

• 只读取文件的前N条数据

# 只获取前5条数据 df_new=df.head(5) print(df_new)

• 1
• 2
• 3

• 结果如下：
  

2、数据格式转换

读取到excel文件后，需要把数据转换成字典的格式：

# 生成一个DataFrame文件，index为df数据的index data = pd.DataFrame(index=df['关键词']) # 先将词频这一列赋值为0 ，即定义这一列为int格式，后面再赋值 data['词频']=0 # 将excel的数据写入data中 for i in range(0,len(df)): data.iloc[i,0]=df.iloc[i,1] # 将词频按照从大到小排序 data = data['词频'].sort_values(ascending = False) # 生成dict格式数据 data = dict(data) print(data)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

• 结果如下：

四、绘制词云图

由于excel文件本身已经提供了关键词以及对应的词频，因此这里绘制词云图的时候不用对文本进行结巴分词。

1、绘制基本的词云图

• 词云图的相关代码：

import matplotlib.pyplot as plt from wordcloud import WordCloud #关键词有中文，因此需要设置显示字体，否则会乱码 font_path = "C:\Windows\Fonts\Microsoft YaHei UI\msyh.ttc" # 设置词云图相关参数 wc=WordCloud( font_path=font_path, width=400,height=400, scale=2,mode="RGBA", background_color='white') # 根据dict制作词云图 wc=wc.generate_from_frequencies(data) #存储词云图结果 wc.to_file('词云图1.png')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

• 图片展示的相关代码

#显示图片 plt.imshow(wc,interpolation="bilinear") plt.axis("off")# 不显示图像坐标系 # 显示图像 plt.show() plt.savefig("词云图2.png")

• 1
• 2
• 3
• 4
• 5
• 6

• 结果如下：
  

• 完整代码

import pandas as pd df=pd.read_excel("data-test.xlsx")# 读取excel数据信息 print(df) # 只获取前5条数据 df_new=df.head(5) print(df_new) # 生成一个DataFrame文件，index为df数据的index data = pd.DataFrame(index=df['关键词']) # 先将词频这一列赋值为0 ，即定义这一列为int格式，后面再赋值 data['词频']=0 # 将excel的数据写入data中 for i in range(0,len(df)): data.iloc[i,0]=df.iloc[i,1] # 将词频按照从大到小排序 data = data['词频'].sort_values(ascending = False) # 生成dict格式数据 data = dict(data) print(data) # 生成词云图 import matplotlib.pyplot as plt from wordcloud import WordCloud #关键词有中文，因此需要设置显示字体，否则会乱码 font_path = "C:\Windows\Fonts\Microsoft YaHei UI\msyh.ttc" # 设置词云图的相关参数 wc=WordCloud( font_path=font_path, width=500, height=500, scale=2, mode="RGBA", background_color='white') # 根据dict制作词云图 wc=wc.generate_from_frequencies(data) #存储词云图结果 #存储图像 wc.to_file('词云图1.png') #显示图片 plt.imshow(wc,interpolation="bilinear") # 不显示坐标系 plt.axis("off") # 显示图像 plt.show() # 保存结果 plt.savefig("词云图2.png")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48

2、绘制指定形状的词云图

（1）准备背景图片

• 以下面的背景图片为例：
  (注：图片的背景颜色要是白色的；而且不要有水印否则也会被当做背景图片的一部分！！！）
  

（2）处理背景图片

• 需要将图片转化为数组，便于用作词云图形状

# 生成词云图 import matplotlib.pyplot as plt from wordcloud import WordCloud import numpy as np # numpy数据处理库 from PIL import Image # 图像处理库，用于读取背景图片 img = Image.open('图片地址') # 加载背景图片 img_array = np.array(img) # 将图片变为数组，便于用作词云图形状

• 1
• 2
• 3
• 4
• 5
• 6
• 7

• 将图片数组化之后，结果如下：

（3）生成指定形状的词云图

wc=WordCloud(mask=img_array, font_path=font_path, width=500, height=500, scale=2, contour_color='purple',contour_width=3, max_font_size=80,max_words=100, background_color='white')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

• 结果如下：
  

• 完整代码

import pandas as pd df=pd.read_excel("data-test.xlsx")# 读取excel数据信息 print(df) print("====================================================") # 只获取前5条数据 # df_new=df.head(5) # print(df_new) print("====================================================") # 生成一个DataFrame文件，index为df数据的index data = pd.DataFrame(index=df['关键词']) # 先将词频这一列赋值为0 ，即定义这一列为int格式，后面再赋值 data['词频']=0 # 将excel的数据写入data中 for i in range(0,len(df)): data.iloc[i,0]=df.iloc[i,1] # 将词频按照从大到小排序 data = data['词频'].sort_values(ascending = False) # 生成dict格式数据 # data = dict(data) data = str(data) print(data) # print(type(data)) print("====================================================") # 生成词云图 import matplotlib.pyplot as plt from wordcloud import WordCloud import numpy as np # numpy数据处理库 from PIL import Image # 图像处理库，用于读取背景图片 img = Image.open('grape.jpg') # 加载背景图片 img_array = np.array(img) # 将图片变为数组，便于用作词云图形状 #关键词有中文，因此需要设置显示字体，否则会乱码 font_path = "C:\Windows\Fonts\Microsoft YaHei UI\msyh.ttc" # 设置词云图的相关参数 # 设置词云图的相关参数 wc=WordCloud(mask=img_array, font_path=font_path, width=500, height=500, scale=2, contour_color='purple',contour_width=3, max_font_size=80,max_words=100, background_color='white') # 根据dict制作词云图 wc=wc.generate(data) # wc=wc.generate_from_frequencies(data) #存储词云图结果 #存储图像 wc.to_file('词云图1.png') #显示图片 plt.imshow(wc,interpolation="bilinear") # 不显示坐标系 plt.axis("off") # 显示图像 plt.show() # 保存结果 plt.savefig("词云图2.png")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65

五、待优化

1、指定词云图形状时，出现数据类型错误的报错

• 一开始生成词云图的数据格式是字典格式，但是后面在指定形状的时候，因为报错就把数据格式转换成字符串了，然后就能正常显示：

# 生成dict格式数据 # data = dict(data) data = str(data)

• 1
• 2
• 3
• 4

2、图片轮廓的提取待改进

• 在指定形状的时候，对背景图片的要求比较高，比如图片的背景是白色的，图片的轮换不光滑的话提取效果不好，因此在提取背景图片的轮廓方面待改进。

img = Image.open('grape.jpg') # 加载背景图片 img_array = np.array(img) # 将图片变为数组，便于用作词云图形状

• 1
• 2