Python-制作可视化词云

最新推荐文章于 2025-05-29 15:55:26 发布

spring_willow

最新推荐文章于 2025-05-29 15:55:26 发布

阅读量4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： wordcloud

本文链接：https://blog.youkuaiyun.com/spring_willow/article/details/81099937

本文介绍了如何使用Python制作可视化词云，从理解词云概念到实现步骤，包括数据读取、去停用词、统计词频，最后展示词云结果，并探讨了自定义背景图的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对人、物、事的文本描述中，大量出现的词可以用于这些对象的标签，将这些标签按照词频的大小以图片的方式展示出来，就成为了可视化的个性化词云。
例如，我们对某一类新闻进行词频统计，频繁出现的词语就是该类新闻的主题，将这些词语按大小进行图片填充，既形象也美观。
工业化中使用较多，用于研究好像有点造作。

二.python的代码实现

（1）实现步骤

收集预料：
语料可以是某一类新闻，某一篇小说，某一篇报道，人物描述，公司描述，物品描述等等，通过某个语料，获取该语料的主题。
2.数据读取：
对于爬虫得到的数据需要去掉空行，对不规范的内容进行处理，对于规范的文本可以直接分词。
3.去停止词
分词后需要去掉停止词，停止词的词频很大，影响结果。
4.统计词频
5.使用wordcloud制作成词云

（2）代码说明

1.导入需要的库

import warnings
warnings.filterwarnings('ignore')
import jieba
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
from wordcloud import WordCloud

2.读取数据

#数据来自蚂蚁花呗客服对话
df=pd.read_csv('./valid.csv', sep='\t', header=None,names=['segment'])
#针对爬虫得到的不规范数据需要进行精细处理
df=df.dropna()
content=df.segment.values.tolist()
segment=[]
for line in content: