使用python的wordcloud包实现中文标签云制作

一、前言

数据分析报告之中文标签云

在我的前一篇博客(python爬虫爬取拉勾网职业信息)中，获得了一份格式化的职业信息数据，不清楚的可以看看我的上一篇博客。

python制作标签云的包有几个，我这里选用了wordcloud，直接pip install 即可。

二、实战

1、统计词频数

前面我们用爬虫已经抓取了一份格式化的数据，要制作标签云，要先把各个公司职位优势的词频数统计出来，代码如下：

def wordCount(filename):    '''    简单计算词频的函数    :param filename: 文件名    :return: 词频    '''    wordCount = {}    file = open(filename,'r')    while True:        line = file.readline()        if line:            wordlist = line.split(',[')            if len(wordlist) == 1: continue            wordlist = wordlist[1].split('],')[0].split(',')            for word in wordlist:                word = word.replace(' ', '').replace("'", '')                if word in wordCount.keys():                    wordCount[word] = wordCount[word]+1                else:                    wordCount[word] = 1        else:            break    return [(k, wordCount[k]) for k in wordCount.keys()]

注意，上述代码只用于特定格式下，即爬虫抓取回来的职位信息中公司优势的词频统计

2、生成标签云

def generateCloud(filename,imagename,cloudname,fontname):    '''    生成标签云的函数    '''    coloring = imread(imagename)             # 读取背景图片    wc = WordCloud(background_color="white", # 背景颜色max_words=2000,# 词云显示的最大词数                   mask=coloring,            # 设置背景图片                   stopwords=STOPWORDS,      # 停止词                   font_path=fontname,       # 兼容中文字体                   max_font_size=150)        # 字体最大值    #计算好词频后使用generate_from_frequencies函数生成词云    #txtFreq例子为[('词a', 100),('词b', 90),('词c', 80)]    txtFreq = wordCount(filename)    wc.generate_from_frequencies(txtFreq)    # 生成图片    plt.imshow(wc)    plt.axis("off")    # 绘制词云    plt.figure()    # 保存词云    wc.to_file(cloudname)

这里需要注意的是，fontname这个参数，在ubuntu系统下，生成中文标签云默认字体可能会不兼容，所以要重新指定兼容的字体，直接在window系统下复制微软雅黑(msyh,tff)字体过来即可。

3、运行

if __name__ == '__main__':    d = path.dirname(__file__)              # 获取当前文件路径    fontname = path.join(d, 'msyh.ttf')     # 中文字体路径    filename = path.join(d, '广州.txt')      # txt文件路径    imagename = path.join(d, "circle.jpg")  # 背景图片路径    cloudname = path.join(d, "cloud.png")   # 标签云路径    generateCloud(filename, imagename, cloudname, fontname)

三、结果

1、选用的背景图片--circle.jpg

2、生成的标签云--cloud.png

3、到这里就大工告成了，具体代码可以在我的github上找到：https://github.com/lpty