使用Python生成词云

直接上代码！！！ import jieba.analyse from PIL import Image import numpy as np import matplotlib.pyplot as plt from wordcloud import WordCloud, ImageColorGenerator lyric = '' f = open('./1.txt', 'r',encoding='utf-8') for i in f: ———————————————— 版权声明：本文为CSDN博主「bug生成中」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_34904125/article/details/118730971 在Python编程中，生成词云是一种可视化技术，用于展示文本数据中的关键词频率。在这个示例中，我们将讨论如何使用Python的几个库，包括`jieba`、`PIL`、`numpy`、`matplotlib`以及`wordcloud`，来创建自定义的词云。 我们导入所需的库： 1. `jieba.analyse`：这是jieba分词库的一个模块，用于进行文本分析，如关键词提取。 2. `PIL.Image`：Python图像处理库Pillow的一部分，用于处理图像。 3. `numpy`：提供高性能的数学计算和数组操作。 4. `matplotlib.pyplot`：用于生成静态、动态、交互式可视化的绘图库。 5. `wordcloud`：用于生成词云的库，可以根据文本数据创建图像。 接着，我们读取一个名为`1.txt`的文件，该文件包含我们要分析的文本。`jieba.analyse.textrank`函数被用来提取文本中的关键词。`textrank`是基于TF-IDF算法的一种关键词抽取方法，它可以返回关键词列表，按重要性从高到低排序。`topK`参数用于指定返回的关键词数量，`withWeight`参数表示是否同时返回每个关键词的权重。 生成的关键词存储在`keywords`字典中，键是关键词，值是其对应的权重。接下来，我们加载一张背景图片`love.jpg`，将其转换为numpy数组，以便于`wordcloud`库使用。 `wordcloud.WordCloud`类用于创建词云对象。它的参数包括： 1. `font_path`：指定字体文件路径，用于显示中文字符，这里使用的是`simhei.ttf`。 2. `background_color`：设置背景颜色，这里是白色。 3. `max_words`：限制词云中最多显示的词数，这里是50。 4. `mask`：设置词云的形状，这里使用了爱心图片作为遮罩。 `generate_from_frequencies`方法根据`keywords`字典中的频率生成词云。为了给词云添加背景颜色，我们使用了`ImageColorGenerator`，它根据遮罩图像的颜色生成词云的颜色分布。 使用`matplotlib`显示词云并保存为`result.jpg`。`plt.axis("off")`关闭坐标轴显示，使词云更美观。 这段代码展示了如何结合使用多种Python库，实现从文本数据中提取关键词，并生成具有自定义背景的词云图。这个过程对于数据可视化、文本分析或社交媒体分析等场景非常有用，可以快速直观地理解大量文本数据的关键信息。