詞雲圖是文本挖掘中用來表徵詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞。詞雲圖過濾掉大量的低頻低質的文本信息，使得瀏覽者只要一眼掃過文本就可領略文本的主旨。很多文章都會用詞雲圖來直觀的表示數據分析結果，詞雲圖是如果製作的就在這篇文章中尋找答案吧。
本文對應腳本及數據已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes
詞雲圖是文本挖掘中用來表徵詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞：
在Python中有很多可視化框架可以用來製作詞雲圖，如pyecharts，但這些框架並不是專門用於製作詞雲圖的，因此並不支持更加個性化的製圖需求，要想創作出更加美觀個性的詞雲圖，需要用到一些專門繪製詞雲圖的第三方模塊，本文就將針對其中較為優秀易用的wordcloud以及stylecloud的用法進行介紹和舉例說明。
wordcloud是Python中製作詞雲圖比較經典的一個模塊，賦予用戶高度的自由度來創作詞雲圖：
這裡我們使用到來自wordcloud官方文檔中的constitution.txt來作為可視化的數據素材：
首先我們讀入數據並將數據清洗成空格分隔的長字符串：
import re
with open('constitution.txt') as c:
'''抽取文本中的英文部分並小寫化，並將空格作為分隔拼接為長字符串'''
text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])
'''查看前100個字符'''
text[:500]接著使用wordcloud中用於生成詞雲圖的類WordCloud配合matplotlib，在默認參數設置下生成一張簡單的詞雲圖：
from wordcloud import WordCloud
import matplotlib.pyplot as plt
%matplotlib inline
'''從文本中生成詞雲圖'''
wordcloud = WordCloud().generate(text)
plt.figure(figsize=[12, 10])
plt.imshow(wordcloud)
plt.axis('off')
plt.show()畢竟是在默認參數下生成的詞雲圖，既醜陋又模糊，為了繪製好看的詞雲圖，接下來我們來對wordcloud繪製詞雲圖的細節內容進行介紹，並不斷地對圖5進行升級改造。
作為wordcloud繪製詞雲圖最核心的類，WordCloud的主要參數及說明如下：
font_path：字符型，用於傳入本地特定字體文件的路徑（ttf或otf文件）從而影響詞雲圖的字體族
width：int型，用於控制詞雲圖畫布寬度，默認為400
height：int型，用於控制詞雲圖畫布高度，默認為200
prefer_horizontal：float型，控制所有水平顯示的文字相對於豎直顯示文字的比例，越小則詞雲圖中豎直顯示的文字越多
mask：傳入蒙版圖像矩陣，使得詞雲的分布與傳入的蒙版圖像一致
contour：float型，當mask不為None時，contour參數決定了蒙版圖像輪廓線的顯示寬度，默認為0即不顯示輪廓線
contour_color：設置蒙版輪廓線的顏色，默認為'black'
scale：當畫布長寬固定時，按照比例進行放大畫布，如scale設置為1.5，則長和寬都是原來畫布的1.5倍
min_font_size：int型，控制詞雲圖中最小的詞對應的字體大小，默認為4
max_font_size：int型，控制詞雲圖中最大的詞對應的字體大小，默認為200
max_words：int型，控制一張畫布中最多繪製的詞個數，默認為200
stopwords：控制繪圖時忽略的停用詞，即不繪製停用詞中提及的詞，默認為None，即調用自帶的停用詞表（僅限英文，中文需自己提供並傳入）
background_color：控制詞雲圖背景色，默認為'black'
mode：當設置為'RGBA'且background_color設置為None時，背景色變為透明，默認為'RGB'
relative_scaling：float型，控制詞雲圖繪製字的字體大小與對應字詞頻的一致相關性，當設置為1時完全相關，當為0時完全不相關，默認為0.5
color_func：傳入自定義調色盤函數，默認為None
colormap：對應matplotlib中的colormap調色盤，默認為viridis，這個參數與參數color_func互斥，當color_func有函數傳入時本參數失效
repeat：bool型，控制是否允許一張詞雲圖中出現重複詞，默認為False即不允許重複詞
random_state：控制隨機數水平，傳入某個固定的數字之後每一次繪圖文字布局將不會改變了解了上述參數的意義之後，首先我們修改背景色為白色，增大圖床的長和寬，加大scale以提升圖片的精細程度，並使得水平顯示的文字儘可能多：
'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度設置為20
prefer_horizontal=0.9999).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖6.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()可以看到相較於圖5，在美觀程度上有了很大的進步，接下來，我們在圖6的基礎上添加美國本土地圖蒙版：
利用PIL模塊讀取我們的美國本土地圖蒙版.png文件並轉換為numpy數組，作為WordCloud的mask參數傳入：
from PIL import Image
import numpy as np
usa_mask = np.array(Image.open('美國本土地圖蒙版.png'))
'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
height=4000, # 高度設置為400
width=8000, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.9999,
mask=usa_mask # 添加蒙版
).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖8.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show(可以看到圖8在圖6的基礎上進一步提升了美觀程度，接下來我們利用wordcloud中用於從圖片中提取調色方案的類ImageColorGenerator來從下面的星條旗美國地圖蒙版中提取色彩方案，進而反饋到詞雲圖上：
from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator
usa_mask = np.array(Image.open('美國地圖蒙版_星條旗色.png'))
image_colors = ImageColorGenerator(usa_mask)
'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2
mask=usa_mask, # 添加蒙版
max_words=1000, # 設置最大顯示字數為1000
relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
max_font_size=80 # 縮小最大字體為80
).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖10.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()相較於英文文本語料，中文語料處理起來要麻煩一些，我們需要先進行分詞等預處理才能進行下一步的處理，這裡我們使用某外賣平臺用戶評論數據，先讀取進來看看：
import pandas as pd
import jieba
'''讀入原始數據'''
raw_comments = pd.read_csv('waimai_10k.csv');raw_comments.head()
接下來我們利用re、jieba以及pandas中的apply對評論列進行快速清洗：
'''導入停用詞表'''
with open('stopwords.txt') as s:
stopwords = set([line.replace('\n', '') for line in s])
'''傳入apply的預處理函數，完成中文提取、分詞以及多餘空格剔除'''
def preprocessing(c):
c = [word for word in jieba.cut(' '.join(re.findall('[\u4e00-\u9fa5]+', c))) if word != ' ' and word not in stopwords]
return ' '.join(c)
'''將所有語料按空格拼接為一整段文字'''
comments = ' '.join(raw_comments['review'].apply(preprocessing));comments[:500]這時我們就得到所需的文本數據，接下來我們用美團外賣的logo圖片作為蒙版繪製詞雲圖：
from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator
waimai_mask = np.array(Image.open('美團外賣logo蒙版.png'))
image_colors = ImageColorGenerator(waimai_mask)
'''從文本中生成詞雲圖'''
wordcloud = WordCloud(background_color='white', # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2
mask=waimai_mask, # 添加蒙版
max_words=1000, # 設置最大顯示字數為1000
relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
max_font_size=80 # 縮小最大字體為80
).generate(comments)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖14.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()這時我們會發現詞雲圖上繪製出的全是亂碼，這是因為matplotlib默認字體是不包含中文的：
這時我們只需要為WordCloud傳入font_path參數即可，這裡我們選擇SimHei字體：
from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator
waimai_mask = np.array(Image.open('美團外賣logo蒙版.png'))
image_colors = ImageColorGenerator(waimai_mask)
'''從文本中生成詞雲圖'''
wordcloud = WordCloud(font_path='SimHei.ttf', # 定義SimHei字體文件
background_color='white', # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2
mask=waimai_mask, # 添加蒙版
max_words=1000, # 設置最大顯示字數為1000
relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
max_font_size=80 # 縮小最大字體為80
).generate(comments)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis('off')
'''保存到本地'''
plt.savefig('圖15.jpg', dpi=600, bbox_inches='tight', quality=95)
plt.show()
stylecloud是一個較為嶄新的模塊，它基於wordcloud，添加了一系列的嶄新特性譬如漸變顏色等，可以支持更為個性化的詞雲圖創作：
這裡我們沿用上一章節中使用過的處理好的text來繪製詞雲圖：
import stylecloud
from IPython.display import Image # 用於在jupyter lab中顯示本地圖片
'''生成詞雲圖'''
stylecloud.gen_stylecloud(text=text,
size=512,
output_name='圖17.png')
'''顯示本地圖片'''
Image(filename='圖17.png')
可以看出，styleword生成詞雲圖的方式跟wordcloud不同，它直接就將原始文本轉換成本地詞雲圖片文件，下面我們針對其繪製詞雲圖的細節內容進行介紹。
在stylecloud中繪製詞雲圖只需要gen_stylecloud這一個函數即可，其主要參數及說明如下：
text：字符串，格式同WordCloud中的generate()方法中傳入的text
gradient：控制詞雲圖顏色漸變的方向，'horizontal'表示水平方向上漸變，'vertical'表示豎直方向上漸變，默認為'horizontal'
size：控制輸出圖像文件的解析度（因為stylecloud默認輸出方形圖片，所以size傳入的單個整數代表長和寬），默認為512
icon_name：這是stylecloud中的特殊參數，通過傳遞對應icon的名稱，你可以使用多達1544個免費圖標來作為詞雲圖的蒙版，點擊這裡查看你可以免費使用的圖標蒙版樣式，默認為'fas fa-flag'
palette：控制調色方案，stylecloud的調色方案調用了palettable，這是一個非常實用的模塊，其內部收集了數量驚人的大量的經典調色方案，默認為'cartocolors.qualitative.Bold_5'
background_color：字符串，控制詞雲圖底色，可傳入顏色名稱或16進位色彩，默認為'white'
max_font_size：同wordcloud
max_words：同wordcloud
stopwords：bool型，控制是否開啟去停用詞功能，默認為True，調用自帶的英文停用詞表
custom_stopwords：傳入自定義的停用詞List，配合stopwords共同使用
output_name：控制輸出詞雲圖文件的文件名，默認為stylecloud.png
font_path：傳入自定義字體*.ttf文件的路徑
random_state：同wordcloud對上述參數有所了解之後，下面我們在圖17的基礎上進行改良，首先我們將圖標形狀換成炸彈的樣子，接著將配色方案修改為scientific.diverging.Broc_3：
'''生成詞雲圖'''
stylecloud.gen_stylecloud(text=text,
size=1024,
output_name='圖18.png',
palette='scientific.diverging.Broc_3', # 設置配色方案
icon_name='fas fa-bomb' # 設置圖標樣式
)
'''顯示本地圖片'''
Image(filename='圖18.png')在wordcloud中繪製中文詞雲圖類似wordcloud只需要注意傳入支持中文的字體文件即可，下面我們使用一個微博語料數據weibo_senti_100k.csv來舉例：
weibo = pd.read_csv('weibo_senti_100k.csv')
weibo_text = [word for word in jieba.cut(' '.join(re.findall('[\u4e00-\u9fa5]+', ' '.join(weibo['review'].tolist())))) if word != ' ' and word not in stopwords]
weibo_text[:10]
圖19接著我們將蒙版圖標樣式換成新浪微博，將色彩方案換成colorbrewer.sequential.Reds_3：
'''生成詞雲圖'''
'''生成詞雲圖'''
stylecloud.gen_stylecloud(text=' '.join(weibo_text),
size=1024,
output_name='圖20.png',
palette='colorbrewer.sequential.Reds_3', # 設置配色方案為https://jiffyclub.github.io/palettable/colorbrewer/sequential/#reds_3
icon_name='fab fa-weibo', # 設置圖標樣式
gradient='horizontal', # 設置顏色漸變方向為水平
font_path='SimHei.ttf',
collocations=False
)
'''顯示本地圖片'''
Image(filename='圖20.png')
作者：費弗裡
出處：https://www.cnblogs.com/feffery/p/11842798.html
版權：本文採用「署名-非商業性使用-相同方式共享 4.0 國際」知識共享許可協議進行許可。
由於微信群500人的人數限制，以及微信、QQ群群聊的基本屬性，『運籌OR帷幄』社區也在社區交流方面做新的探索和嘗試--知識星球便是第一步！知識星球採用了論壇的形式，更利於學術話題的探討。並且沒有人數上限，因此將被作為『運籌OR帷幄』40+碩博微信群和5個千人QQ群的合集（群內優質的學術討論會被共享至知識星球）。希望大家踴躍加入『運籌OR帷幄』算法知識星球（文末二維碼付費加入或在碩博微信群等待不定期的免費連結），並在星球發表和討論學術/業界/申請/求職等算法相關話題。如果星球內提問2天內無人解答，工作人員會將問題共享至相關微信和QQ群搜集答案！
隨著算法相關專業熱度的提升，考研讀博、留學申請、求職的難度也在相應飆升，『運籌OR帷幄』建立了【算法社區】知識星球，涵蓋運籌學、數據科學、人工智慧、管理科學、工業工程等相關專業，集結社區40W+專業受眾的力量，提供給大家一個共同的學習交流平臺，結交志同道合的夥伴。
● 依託『運籌OR帷幄』40w+專業受眾和40+細分領域碩博微信群的算法技術交流
● 與國內外Top名校教授|博士和名企研發高管一起交流算法相關技術乾貨
● 海量學界|業界（獨家內推）招聘|實習機會發布，申請|求職面試經驗交流
● 數學模型|算法|論文|學習資料分享與提問，倡導同行交流，尋找志同道合的「隊友」
● 每月開展一次「人氣話題」和「人氣回答」評選，百元紅包獎勵分享和互動
● 每月一次「領讀人」帶隊Paper|教學視頻|原創技術推文等線上Meetup小組學習
● 享受『運籌OR帷幄』各大城市線下Meetup免費入場資格，拓展人脈
運籌帷幄「pandas實戰教程」電子書正式上線啦！如今的網際網路時代，數據成為了一座巨大的金礦。掌握數據的獲取、處理和分析已經成為了各個行業的必備的基本技能。Pandas作為最為強大成熟的數據處理工具之一，已經被用在機器學習和統計分析領域的方方面面。如何快速學習掌握Pandas的使用技巧，《「pandas實戰教程」電子書》用開源免費的方式帶你從數據分析小白進階為Pandas能手。
點擊藍字標題，即可閱讀《數據科學|「pandas實戰教程」電子書正式上線啦》