词云（附带操作实例）

一、主要目的：

学会词云图的制作方法，要求熟悉jieba分词库的使用，会使用word cloud绘图，以及了解.generate()和.fit_words()方法的区别。

二、主要内容：

1.问题描述

“词云”是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本，就可以领略文本的主旨。

2.文本词云图

词云是将感兴趣的词语放在一副图像中，可以控制词云的位置、大小、字体等。通常使用字体的大小来反映词语出现的频率。出现的频率越高，在词云中词的字体越大。

3.背景轮廓词云图的制作

（1）数据准备

首先做如下数据准备工作：

①以百度上抓取的帖子标题文本作为制作词云的数据。

（2）分词

文本挖掘的第一步就是将文本分词，对于中文，这里使用jieba分词。

（3）构建词云

接下来构建词云，这里使用工具wordcloud。

三、关键源码附件及解释说明：

#使用pandas进行词频统计

word_list=['july','可爱','傻fufu','聪明','好可爱','精致','猪猪女孩','猪猪女孩','聪明','聪明']

df=pd.DataFrame(word_list,columns=['word'])

result=df.groupby(['word']).size()

freqlist=result.sort_values(ascending=False)

freqlist[:30]

>>word

? 聪明?????? 3

? 猪猪女孩?? 2

? 精致?????? 1

? 好可爱???? 1

? 可爱?????? 1

? 傻fufu???? 1

? july?????? 1

? dtype: int64

#使用NLTK进行词频统计

import nltk

word_list=['july','可爱','傻fufu','聪明','好可爱','精致','猪猪女孩','猪猪女孩','聪明','聪明']

fdlist=nltk.FreqDist(word_list)

print("聪明的词频：",fdlist['聪明'])#查看某个词的频数

print("词条列表：",fdlist.keys())#列出词条列表

print("前五个高频词及其频次为：",fdlist.most_common(5))#输出前五个高频词及其频次

fdlist#输出全部词频统计结果

#fdlist.tabulate(5)#输出前五个高频词，以列表形式输出

>>聪明的词频： 3

? 词条列表： dict_keys(['july', '可爱', '傻fufu', '聪明', '好可爱', '精致', '猪猪女孩'])

? 前五个高频词及其频次为： [('聪明', 3), ('猪猪女孩', 2), ('july', 1), ('可爱', 1), ('傻fufu', 1)]

? FreqDist({'聪明': 3, '猪猪女孩': 2, 'july': 1, '可爱': 1, '傻fufu': 1, '好可爱': 1, '精致': 1})

import wordcloud

font='C:/Windows/Fonts/simhei.ttf'#默认不支持中文，这里要从自己电脑上找到喜欢的字体

text='july,可爱,傻fufu,聪明,好可爱,精致,猪猪女孩'

mycloud=wordcloud.WordCloud(font_path=font).generate(text)

print(mycloud)

>><wordcloud.wordcloud.WordCloud object at 0x000001F7F063AE20>

#更改参数

mycloud=wordcloud.WordCloud(font_path=font,width=150,height=150,mode='RGBA',background_color=None).generate(text)

plt.imshow(mycloud)

plt.axis("off")#隐藏坐标轴

plt.show()

mycloud.to_file("猪猪词云.png")

四、心得体会：

?? 本次实验通过matplotlib,jieba,worldcloud等库文件实现数据到图标的直接转化，转换过程中我人为首先需要注意的是对源数据的处理，在最开始的的时候，使用了上次爬虫爬取贴吧的数据生成词云后，一些固定格式的信息占据了较大位置，例如贴子标题，贴子作者等。后对源数据经行了一定的修改，成功使用词云获得了标题里重复度较高的词语。

??? 在使用轮廓图绘制时，尝试过在网络上寻找一些图片，但效果都不是很明显，我推测时对应的库对于图片中主体物品的轮廓提取还是存在的偏差，最后使用了一张白底，主题人物和背景差别较大的图片完成了实验。