最近看到不少公众号都有一些词云图，于是想学习一下使用Python生成可视化的词云，上B站搜索教程的时候，发现了一位UP讲的很不错，UP也给出了GitHub上的源码，是一个很不错的教程，这篇博客主要就是搬运UP主的教程吧，做一些笔记，留着以后看。

B站视频链接：https://www.bilibili.com/video/av53917673/?p=1

Github源码：https://github.com/TommyZihao/zihaowordcloud

本课概要

词云是文本大数据可视化的重要方式，可以将大段文本中的关键语句和词汇高亮展示。

从四行代码开始，一步步教你做出高大上的词云图片，可视化生动直观展示出枯燥文字背后的核心概念。进一步实现修改字体、字号、背景颜色、词云形状、勾勒边框、颜色渐变、分类填色、情感分析等高级玩法。

学完本课之后，你可以将四大名著、古典诗词、时事新闻、法律法规、政府报告、小说诗歌等大段文本做成高大上的可视化词云，还可以将你的微信好友个性签名导出，看看你微信好友的“画风”是怎样的。

从远古山洞壁画到微信表情包，人类千百年来始终都是懒惰的视觉动物。连篇累牍的大段文本会让人感到枯燥乏味。在这个“颜值即正义”的时代，大数据更需要“颜值”才能展现数据挖掘的魅力。

对于编程小白，学会此技可以玩转文本，入门中文分词、情感分析。对于编程高手，通过本课可以进一步熟悉Python的开源社区、计算生态、面向对象，自定义自己专属风格的词云。

词云的应用场景

  • 会议记录
  • 海报制作
  • PPT制作
  • 生日表白
  • 数据挖掘
  • 情感分析
  • 用户画像
  • 微信聊天记录分析
  • 微博情感分析
  • Bilibili弹幕情感分析
  • 年终总结

安装本课程所需的Python第三方模块

一行命令安装（推荐，适用于99.999%的情况）

打开命令行，输入下面这行命令，回车执行即可。

pip install numpy matplotlib pillow wordcloud imageio jieba snownlp itchat -i https://pypi.tuna.tsinghua.edu.cn/simple

如果安装过程中报错（0.001%会发生）

如果报错：Microsoft Visual C++ 14.0 is required.

解决方法：

到 http://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud 页面下载所需的wordcloud模块的.whl文件，再用pip安装下载的文件。

比如，对于64位windows操作系统，python版本为3.6的电脑，就应该下载

wordcloud-1.4.1-cp36-cp36m-win_amd64.whl这个文件

下载后打开命令行，使用cd命令切换到该文件的路径，执行pip install wordcloud-1.4.1-cp36-cp36m-win_amd64.whl命令，即可安装成功。

四行Python代码上手词云制作

1号词云：《葛底斯堡演说》黑色背景词云（4行代码上手）

import wordcloud

w = wordcloud.WordCloud()

w.generate('and that government of the people, by the people, for the people, shall not perish from the earth.')

w.to_file('output1.png')

运行完成之后，在代码所在的文件夹，就会出现output.png图片文件。可以看出，wordcloud自动将and that by the not from等废话词组过滤掉，并且把出现次数最多的people大号显示。

子豪兄带你逐行读代码

# 1号词云：葛底斯堡演说黑色背景词云

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作第三方库wordcloud

import wordcloud

# 创建词云对象，赋值给w，现在w就表示了一个词云对象

w = wordcloud.WordCloud()

# 调用词云对象的generate方法，将文本传入

w.generate('and that government of the people, by the people, for the people, shall not perish from the earth.')

# 将生成的词云保存为output1.png图片文件，保存出到当前文件夹中

w.to_file('output1.png')

wordcloud库为每一个词云生成一个WordCloud对象（注意，此处的W和C是大写）

也就是说，wordcloud.WordCloud()代表一个词云对象，我们将它赋值给w。

现在，这个w就是词云对象啦！我们可以调用这个对象。

我们可以在WordCloud()括号里填入各种参数，控制词云的字体、字号、字的颜色、背景颜色等等。

wordcloud库会非常智能地按空格进行分词及词频统计，出现次数多的词就大。

美化词云

2号词云：面朝大海，春暖花开（配置词云参数）

增加宽、高、字体、背景颜色等参数

# 2号词云：面朝大海，春暖花开

# B站专栏：同济子豪兄 2019-5-23

import wordcloud

# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数

w = wordcloud.WordCloud(width=1000,height=700,background_color='white',font_path='msyh.ttc')

# 调用词云对象的generate方法，将文本传入

w.generate('从明天起，做一个幸福的人。喂马、劈柴，周游世界。从明天起，关心粮食和蔬菜。我有一所房子，面朝大海，春暖花开')

# 将生成的词云保存为output2-poem.png图片文件，保存到当前文件夹中

w.to_file('output2-poem.png')
 

如果参数过多，第二行写成长长的一行不好看，可以写成多行，让代码更工整

# 2号词云：面朝大海，春暖花开

# B站专栏：同济子豪兄 2019-5-23

import wordcloud

# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc')

w.generate('从明天起，做一个幸福的人。喂马、劈柴，周游世界。从明天起，关心粮食和蔬菜。我有一所房子，面朝大海，春暖花开')

w.to_file('output2-poem.png')

常用参数

  • width 词云图片宽度，默认400像素

  • height 词云图片高度 默认200像素

  • background_color 词云图片的背景颜色，默认为黑色

    background_color='white'

  • font_step 字号增大的步进间隔 默认1号

    font_path 指定字体路径 默认None，对于中文可用font_path='msyh.ttc'

  • mini_font_size 最小字号 默认4号

  • max_font_size 最大字号 根据高度自动调节

  • max_words 最大词数 默认200

  • stop_words 不显示的单词 stop_words={"python","java"}

  • Scale 默认值1。值越大，图像密度越大越清晰

  • prefer_horizontal：默认值0.90，浮点数类型。表示在水平如果不合适，就旋转为垂直方向，水平放置的词数占0.9？

  • relative_scaling：默认值0.5，浮点型。设定按词频倒序排列，上一个词相对下一位词的大小倍数。有如下取值：“0”表示大小标准只参考频率排名，“1”如果词频是2倍，大小也是2倍

  • mask 指定词云形状图片，默认为矩形

    通过以下代码读入外部词云形状图片（需要先pip install imageio安装imageio）

import imageio

mk = imageio.imread("picture.png")

w = wordcloud.WordCloud(mask=mk)

也就是说，我们可以这样来构建词云对象w，其中的参数均为常用参数的默认值，供我们自定义：

w = wordcloud.WordCloud(

    width=400,

    height=200,

    background_color='black',

    font_path=None,

    font_step=1,

    min_font_size=4,

    max_font_size=None,

    max_words=200,

    stopwords={},

    scale=1,

    prefer_horizontal=0.9,

    relative_scaling=0.5,

    mask=None)

从外部文件读入文本

3号词云：乡村振兴战略中央文件（句子云）

# 3号词云：乡村振兴战略中央文件

# B站专栏：同济子豪兄 2019-5-23

import wordcloud

# 从外部.txt文件中读取大段文本，存入变量txt中

f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')

txt = f.read()

# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc')

# 将txt变量传入w的generate()方法，给词云输入文字

w.generate(txt)

# 将词云图片导出到当前文件夹

w.to_file('output3-sentence.png')
 

中文分词

中文分词第三方模块jieba

中文分词-小试牛刀

安装中文分词库jieba：在命令行中输入pip install jieba

打开python的交互式shell界面，也就是有三个大于号>>>的这个界面，依次输入以下命令。

>>> import jieba

>>> textlist = jieba.lcut('动力学和电磁学')

>>> textlist

['动力学', '和', '电磁学']

>>> string = " ".join(textlist)

>>> string

'动力学 和 电磁学'

以上代码将一句完整的中文字符串转换成了以空格分隔的词组成的字符串，而后者是绘制词云时generate()方法要求传入的参数。

中文分词库jieba的常用方法

精确模式（最常用，只会这个就行）：每个字只用一遍，不存在冗余词汇。jieba.lcut('动力学和电磁学')

全模式：把每个字可能形成的词汇都提取出来，存在冗余。jieba.lcut('动力学和电磁学',cut_all=True)

搜索引擎模式：将全模式分词的结果从短到长排列好。jieba.lcut_for_search('动力学和电磁学')

以下命令演示了三种分词模式及结果，精确模式是最常用的。

>>> import jieba

>>> textlist1 = jieba.lcut('动力学和电磁学')

>>> textlist1

['动力学', '和', '电磁学']

>>> textlist2 = jieba.lcut('动力学和电磁学',cut_all=True)

>>> textlist2

['动力', '动力学', '力学', '和', '电磁', '电磁学', '磁学']

>>> textlist3 = jieba.lcut_for_search('动力学和电磁学')

>>> textlist3

['动力', '力学', '动力学', '和', '电磁', '磁学', '电磁学']

一键执行的详细脚本文件详见github代码库-zihaowordcloud中的test1-jieba.py文件。

4号词云：同济大学介绍词云（中文分词）

# 4号词云：同济大学介绍词云

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud和中文分词库jieba

import jieba

import wordcloud

# 构建并配置词云对象w

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc')

# 调用jieba的lcut()方法对原始文本进行中文分词，得到string

txt = '同济大学（Tongji University），简称“同济”，是中华人民共和国教育部直属，由教育部、国家海洋局和上海市共建的全国重点大学，历史悠久、声誉卓著，是国家“双一流”、“211工程”、“985工程”重点建设高校，也是收生标准最严格的中国大学之一'

txtlist = jieba.lcut(txt)

string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 将词云图片导出到当前文件夹

w.to_file('output4-tongji.png')

5号词云：乡村振兴战略中央文件（词云）

# 5号词云：乡村振兴战略中央文件（词云）

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud和中文分词库jieba

import jieba

import wordcloud

# 构建并配置词云对象w

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc')

# 对来自外部文件的文本进行中文分词，得到string

f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')

txt = f.read()

txtlist = jieba.lcut(txt)

string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 将词云图片导出到当前文件夹

w.to_file('output5-village.png')

高级词云：绘制指定形状的词云

通过以下代码读入外部词云形状图片（需要先pip install imageio安装imageio）

import imageio

mk = imageio.imread("picture.png")

w = wordcloud.WordCloud(mask=mk)

6号词云：乡村振兴战略中央文件（五角星形状）

# 6号词云：乡村振兴战略中央文件（五角星形状）

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud和中文分词库jieba

import jieba

import wordcloud

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("wujiaoxing.png")

w = wordcloud.WordCloud(mask=mk)

# 构建并配置词云对象w，注意要加scale参数，提高清晰度

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc',

                        mask=mk,

                        scale=15)

# 对来自外部文件的文本进行中文分词，得到string

f = open('关于实施乡村振兴战略的意见.txt',encoding='utf-8')

txt = f.read()

txtlist = jieba.lcut(txt)

string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 将词云图片导出到当前文件夹

w.to_file('output6-village.png')

7号词云：新时代中国特色社会主义（中国地图形状）

# 7号词云：新时代中国特色社会主义（中国地图形状）

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud和中文分词库jieba

import jieba

import wordcloud

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("chinamap.png")

w = wordcloud.WordCloud(mask=mk)

# 构建并配置词云对象w，注意要加scale参数，提高清晰度

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc',

                        mask=mk,

                        scale=15)

# 对来自外部文件的文本进行中文分词，得到string

f = open('新时代中国特色社会主义.txt',encoding='utf-8')

txt = f.read()

txtlist = jieba.lcut(txt)

string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 将词云图片导出到当前文件夹

w.to_file('output7-chinamap.png')

加scale参数为15的效果

不加scale参数的效果，稍显模糊

8号词云：《三国演义》词云（stopwords参数去除词）

# 8号词云：《三国演义》词云（stopwords参数去除“曹操”和“孔明”两个词）

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud和中文分词库jieba

import jieba

import wordcloud

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("chinamap.png")

# 构建并配置词云对象w，注意要加stopwords集合参数，将不想展示在词云中的词放在stopwords集合里，这里去掉“曹操”和“孔明”两个词

w = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc',

                        mask=mk,

                        scale=15,

                        stopwords={'曹操','孔明'})

# 对来自外部文件的文本进行中文分词，得到string

f = open('threekingdoms.txt',encoding='utf-8')

txt = f.read()

txtlist = jieba.lcut(txt)

string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 将词云图片导出到当前文件夹

w.to_file('output8-threekingdoms.png')

9号词云：《哈姆雷特》（勾勒轮廓线）

# 9号词云：哈姆雷特（勾勒轮廓线）

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud

import wordcloud

# 将外部文件包含的文本保存在string变量中

string = open('hamlet.txt').read()

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("alice.png")

# 构建词云对象w，注意增加参数contour_width和contour_color设置轮廓宽度和颜色

w = wordcloud.WordCloud(background_color="white",

                        mask=mk,

                        contour_width=1,

                        contour_color='steelblue')

# # 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 将词云图片导出到当前文件夹

w.to_file('output9-contour.png')

10号词云：《爱丽丝漫游仙境》词云（按模板填色）

# 10号词云：《爱丽丝漫游仙境》词云（按模板填色）

# B站专栏：同济子豪兄 2019-5-23

# 导入绘图库matplotlib和词云制作库wordcloud

import matplotlib.pyplot as plt

from wordcloud import WordCloud,ImageColorGenerator

# 将外部文件包含的文本保存在text变量中

text = open('alice.txt').read()

# 导入imageio库中的imread函数，并用这个函数读取本地图片queen2.jfif，作为词云形状图片

import imageio

mk = imageio.imread("alice_color.png")

# 构建词云对象w

wc = WordCloud(background_color="white",

               mask=mk,)

# 将text字符串变量传入w的generate()方法，给词云输入文字

wc.generate(text)

# 调用wordcloud库中的ImageColorGenerator()函数，提取模板图片各部分的颜色

image_colors = ImageColorGenerator(mk)

# 显示原生词云图、按模板图片颜色的词云图和模板图片，按左、中、右显示

fig, axes = plt.subplots(1, 3)

# 最左边的图片显示原生词云图

axes[0].imshow(wc)

# 中间的图片显示按模板图片颜色生成的词云图，采用双线性插值的方法显示颜色

axes[1].imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")

# 右边的图片显示模板图片

axes[2].imshow(mk, cmap=plt.cm.gray)

for ax in axes:

    ax.set_axis_off()

plt.show()

# 给词云对象按模板图片的颜色重新上色

wc_color = wc.recolor(color_func=image_colors)

# 将词云图片导出到当前文件夹

wc_color.to_file('output10-alice.png')

进阶词云：尽享数据驱动与开源社区

11号词云：绘制你的微信好友个性签名词云

# 11号词云：绘制你的微信好友个性签名词云

# B站专栏：同济子豪兄 2019-05-23

# 导入微信库ichat，中文分词库jieba

import itchat

import jieba

# 先登录微信，跳出登陆二维码

itchat.login()

tList = []

# 获取好友列表

friends = itchat.get_friends(update=True)

# 构建所有好友个性签名组成的大列表tList

for i in friends:

    # 获取个性签名

    signature = i["Signature"]

    if 'emoji' in signature:

        pass

    else:

        tList.append(signature)

text = " ".join(tList)

# 对个性签名进行中文分词

wordlist_jieba = jieba.lcut(text, cut_all=True)

wl_space_split = " ".join(wordlist_jieba)

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("chinamap.png")

# 导入词云制作库wordcloud

import wordcloud

# 构建并配置词云对象w，注意要加scale参数，提高清晰度

my_wordcloud = wordcloud.WordCloud(background_color='white',

                                   width=1000,

                                   height=700,

                                   font_path='msyh.ttc',

                                   max_words=2000,

                                   mask=mk,

                                   scale=20)

my_wordcloud.generate(wl_space_split)

nickname = friends[0]['NickName']

filename = "output11-{}的微信好友个性签名词云图.png".format(nickname)

my_wordcloud.to_file(filename)

# 显示词云图片

import matplotlib.pyplot as plt

plt.imshow(my_wordcloud)

plt.axis("off")

plt.show()

print('程序结束')

微信好友个性签名词云

文字情感分析与文本挖掘

Python中文语言处理第三方库snownlp小试牛刀

安装中文文本分析库snownlp：在命令行中输入pip install snownlp。

打开python的交互式shell界面，也就是有三个大于号>>>的这个界面，依次输入以下命令。

>>> import snownlp

>>> word = snownlp.SnowNLP("中华民族伟大复兴")

>>> feeling = word.sentiments

>>> feeling

0.9935086411278989

>>> word = snownlp.SnowNLP("快递慢到死，客服态度不好，退款！")

>>> feeling = word.sentiments

>>> feeling

0.00012171645785852281

snownlp的语料库是淘宝等电商网站的评论，所以对购物类的文本情感分析准确度很高。

一键执行的详细脚本文件详见github代码库-zihaowordcloud中的test2-snownlp.py文件。

12号词云：《三体Ⅱ黑暗森林》情感分析词云

# 12号词云：《三体Ⅱ黑暗森林》情感分析词云

# B站专栏：同济子豪兄 2019-5-23

# 导入词云制作库wordcloud和中文分词库jieba

import jieba

import wordcloud

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("chinamap.png")

# 构建并配置两个词云对象w1和w2，分别存放积极词和消极词

w1 = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc',

                        mask=mk,

                        scale=15)

w2 = wordcloud.WordCloud(width=1000,

                        height=700,

                        background_color='white',

                        font_path='msyh.ttc',

                        mask=mk,

                        scale=15)

# 对来自外部文件的文本进行中文分词，得到积极词汇和消极词汇的两个列表

f = open('三体黑暗森林.txt',encoding='utf-8')

txt = f.read()

txtlist = jieba.lcut(txt)

positivelist = []

negativelist = []

# 下面对文本中的每个词进行情感分析，情感>0.96判为积极词，情感<0.06判为消极词

print('开始进行情感分析，请稍等，三国演义全文那么长的文本需要三分钟左右')

# 导入自然语言处理第三方库snownlp

import snownlp

for each in txtlist:

    each_word = snownlp.SnowNLP(each)

    feeling = each_word.sentiments

    if feeling > 0.96:

        positivelist.append(each)

    elif feeling < 0.06:

        negativelist.append(each)

    else:

        pass

# 将积极和消极的两个列表各自合并成积极字符串和消极字符串，字符串中的词用空格分隔

positive_string = " ".join(positivelist)

negative_string = " ".join(negativelist)

# 将string变量传入w的generate()方法，给词云输入文字

w1.generate(positive_string)

w2.generate(negative_string)

# 将积极、消极的两个词云图片导出到当前文件夹

w1.to_file('output12-positive.png')

w2.to_file('output12-negative.png')

print('词云生成完成')

13号词云：《三国演义》人物阵营分色词云

# 13号词云：三国人物阵营分色词云

# B站专栏：同济子豪兄 2019-5-23

# 导入wordcloud库，并定义两个函数

from wordcloud import (WordCloud, get_single_color_func)

class SimpleGroupedColorFunc(object):

    """Create a color function object which assigns EXACT colors

       to certain words based on the color to words mapping

       Parameters

       ----------

       color_to_words : dict(str -> list(str))

         A dictionary that maps a color to the list of words.

       default_color : str

         Color that will be assigned to a word that's not a member

         of any value from color_to_words.

    """

    def __init__(self, color_to_words, default_color):

        self.word_to_color = {word: color

                              for (color, words) in color_to_words.items()

                              for word in words}

        self.default_color = default_color

    def __call__(self, word, **kwargs):

        return self.word_to_color.get(word, self.default_color)

class GroupedColorFunc(object):

    """Create a color function object which assigns DIFFERENT SHADES of

       specified colors to certain words based on the color to words mapping.

       Uses wordcloud.get_single_color_func

       Parameters

       ----------

       color_to_words : dict(str -> list(str))

         A dictionary that maps a color to the list of words.

       default_color : str

         Color that will be assigned to a word that's not a member

         of any value from color_to_words.

    """

    def __init__(self, color_to_words, default_color):

        self.color_func_to_words = [

            (get_single_color_func(color), set(words))

            for (color, words) in color_to_words.items()]

        self.default_color_func = get_single_color_func(default_color)

    def get_color_func(self, word):

        """Returns a single_color_func associated with the word"""

        try:

            color_func = next(

                color_func for (color_func, words) in self.color_func_to_words

                if word in words)

        except StopIteration:

            color_func = self.default_color_func

        return color_func

    def __call__(self, word, **kwargs):

        return self.get_color_func(word)(word, **kwargs)

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片

import imageio

mk = imageio.imread("chinamap.png")

w = WordCloud(width=1000,

              height=700,

              background_color='white',

              font_path='msyh.ttc',

              mask=mk,

              scale=15,

              max_font_size=60,

              max_words=20000,

              font_step=1)

import jieba

# 对来自外部文件的文本进行中文分词，得到string

f = open('三国演义.txt',encoding='utf-8')

txt = f.read()

txtlist = jieba.lcut(txt)

string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字

w.generate(string)

# 创建字典，按人物所在的不同阵营安排不同颜色，绿色是蜀国，橙色是魏国，紫色是东吴，粉色是诸侯群雄

color_to_words = {

    'green': ['刘备','刘玄德','孔明','诸葛孔明', '玄德', '关公', '玄德曰','孔明曰',

              '张飞', '赵云','后主', '黄忠', '马超', '姜维', '魏延', '孟获',

              '关兴','诸葛亮','云长','孟达','庞统','廖化','马岱'],

    'red': ['曹操', '司马懿', '夏侯', '荀彧', '郭嘉','邓艾','许褚',

            '徐晃','许诸','曹仁','司马昭','庞德','于禁','夏侯渊','曹真','钟会'],

    'purple':['孙权','周瑜','东吴','孙策','吕蒙','陆逊','鲁肃','黄盖','太史慈'],

    'pink':['董卓','袁术','袁绍','吕布','刘璋','刘表','貂蝉']

}

# 其它词语的颜色

default_color = 'gray'

# 构建新的颜色规则

grouped_color_func = GroupedColorFunc(color_to_words, default_color)

# 按照新的颜色规则重新绘制词云颜色

w.recolor(color_func=grouped_color_func)

# 将词云图片导出到当前文件夹

w.to_file('output13-threekingdoms.png')

13号词云：《三国演义》人物阵营分色词云

Python 词云可视化的更多相关文章

  1. 用Python做词云可视化带你分析海贼王、火影和死神三大经典动漫

    对于动漫爱好者来说,海贼王.火影.死神三大动漫神作你肯定肯定不陌生了.小编身边很多的同事仍然深爱着这些经典神作,可见"中毒"至深.今天小编利用Python大法带大家分析一下这些神作 ...

  2. python词云生成-wordcloud库

    python词云生成-wordcloud库 全文转载于'https://www.cnblogs.com/nickchen121/p/11208274.html#autoid-0-0-0' 一.word ...

  3. Python 词云分析周杰伦《晴天》

    一.前言满天星辰的夜晚,他们相遇了...夏天的时候,她慢慢的接近他,关心他,为他付出一切:秋天的时候,两个人终於如愿的在一起,分享一切快乐的时光但终究是快乐时光短暂,因为杰伦必须出国深造,两人面临了要 ...

  4. python词云的制作方法

    第一次接触到词云主要是觉得很好看,就研究了一下,官方给出了代码的,但是新手看的话还是有点不容易,我们来尝试下吧. 环境:python2.7 python库:PIL(pillow),numpy,matp ...

  5. python 词云小demo

    词云小demo jiebawordcloud 一 什么是词云? 由词汇组成类似云的彩色图形.“词云”就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 ...

  6. Python词云生成

    一.目的 1. 熟悉jieba库和wordcloud库的使用方法: 2. 熟悉文本词频统计和词云生成的基本方法. 二.内容 1. 从网上自行下载一个长篇英文小说,统计并输出该小说中词频最大的TOP 2 ...

  7. 菜鸟学IT之python词云初体验

    作业来源:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2822 1. 下载一长篇中文小说. 2. 从文件读取待分析文本. txt = ...

  8. python 词云学习

    词云入门 三步曲 数据获取:使用爬虫在相关网站上获取文本内容 数据清洗:按一定格式对文本数据进行清洗和提取(文本分类,贴标签) 数据呈现:多维度呈现和解读数据(计算,做表,画图) 一 模块的安装 pi ...

  9. python词云

    词云图 from os import path from PIL import Image import numpy as np import matplotlib.pyplot as plt fro ...

随机推荐

  1. ajax request 等请求的数据直接return

  2. Redis两种持久化策略分析

    Redis专题地址:https://www.cnblogs.com/hello-shf/category/1615909.html SpringBoot读源码系列:https://www.cnblog ...

  3. Linux下的密码破解

    密码散列: 密码散列的$6 表示是:SHA512 这里我们使用hashcat 工具进行破解 ╰─ hashcat -m 1800 hash.txt /usr/share/wordlists/rocky ...

  4. 通过 loganalyzer 展示数据库中的系统日志

    目录 通过 loganalyzer 展示数据库中的日志 环境准备 准备服务器: 日志服务器: 数据库服务器: 测试日志服务器和数据库是否连接: websrv服务器端: 通过 loganalyzer 展 ...

  5. Linux修改History历史命令数量

    ****打开  vim  /etc/profile vim  /etc/profile 追加配置 # /etc/profile: system-wide .profile file for the B ...

  6. Django-如何写好一个celery定时任务

    1.首先在项目同名目录下建一个celery.py from __future__ import absolute_import import os from celery import Celery ...

  7. SpringCloud断路器(Hystrix)

    一.为什么需要 Hystrix? 在微服务架构中,我们将业务拆分成一个个的服务,服务与服务之间可以相互调用(RPC).为了保证其高可用,单个服务又必须集群部署.由于网络原因或者自身的原因,服务并不能保 ...

  8. 计算几何 val.3

    目录 计算几何 val.3 自适应辛普森法 定积分 引入 辛普森公式 处理精度 代码实现 模板 时间复杂度 练习 闵可夫斯基和 Pick定理 结论 例题 后记 计算几何 val.3 自适应辛普森法 可 ...

  9. 一起学SpringMVC之异常处理

    在系统开发过程中,异常处理是不可避免,如果异常处理不好,会给用户造成很差的体验,本文主要讲解在SpringMVC开发过程中,异常处理的相关知识点,仅供学习分享使用,如有不足之处,还请指正. 概述 在S ...

  10. c#实现SharedMatting抠图算法

    内容简介 将Alpha Matting抠图算法由c++ 版本移植至c#环境. 主要采用OpenCV的C#版本Emgu取代c++支撑的OpenCV. 参考资料 http://www.inf.ufrgs. ...