科研小知识 | 讲究！用 Python 制作词云图学问多着呢

目录

前言

Python 词云生成工具

1. pyecharts  ——  简单易用但不够美观

2. wordcloud —— 使用最多的的词云库

3. stylecloud —— 最接近完美的 Python 词云库

   （1）词云形状

   （2）配色方案

   （3）字体

总结

Part1前言

文本可视化是一个话题极少的数据可视化研究方向，但只要讲到它，大家第一时间想到的应该就是“词云图”了吧。“词云”就是通过形成“关键词云层”或“关键词渲染”，对文本中出现频率较高的关键词进行视觉上的突出。词云图过滤掉大量的文本信息，使浏览者只要一眼扫过词云图就可以领略文本的主旨。

上期文章我们为大家介绍了如何使用 Python 做文本词频分析，着重讲解了文本预处理和中文分词部分。那么本期文章我们就紧跟着上期文章的脚步，为大家介绍如何使用 Python 制作精美绝伦的词云图。

我们选用上期文章中使用到的 《“十四五”规划》作为词频统计和制作词云图的对象，出现频率较高的部分词语如下图所示：

公众号对话框内发送关键词“20221113”，即可获得本文词云所有资源！

Part2Python 词云生成工具

📌小贴士:

1. 本文重点在第三部分：stylecloud
2. 本文中代码的注释同样值得一看
3. 词云图的词语分布（颜色，位置，方向）是随机的，即每次运行都可以得到一个全新的词云图，所以当不满意某个词云图时，不妨多运行几遍代码，一定会得到一个满意的。

1pyecharts  ——  简单易用但不够美观

使用 pyecharts 生成词云图是一件非常简单的事情，只需要简单的几行代码即可。首先，pyecharts 需要的语料格式如下（也可以使用词语权重来替代词频）：

[(词语1,词频1), (词语2,词频2)……]

根据词频统计 Excel 表（词频统计表如何制作可以参考上期文章）生成以上格式的代码如下：

# 所有词语词频统计结果
data1 = pd.read_excel('十四五规划词频统计表.xlsx')
df = data1.head(50)      # 取前五十行，代表前 50 个词语
Words = [(w, f) for w,f in zip(df['词语'], df['词频'])]
# [('发展', 411),('建设', 349),('完善', 276),('体系', 252),……]

那么使用 pyecharts 生成词云图的代码如下，

wordcloud=WordCloud()
# 词云图轮廓(shape)，可选参数有’circle’, ‘cardioid’, ‘diamond’, ‘triangleforward’, ‘triangle’, ‘pentagon’, ‘star’ 
wordcloud.add("", Words, shape='circle')
# 生成 html 文件
wordcloud.render("./词云图/pyecharts词云图.html")

打开生成的 html 文件即可看到生成的词云图，如下图所示：

我们相信，这种效果的词云图应该，可能，大概，或许不能入各位法眼……

2wordcloud —— 使用最多的的词云库

wordcloud 是使用Python 制作词云图使用最广泛的工具，但是使用它制作词云图并不是一件简单的事情：首先，在安装它的时候，就很有可能遇到麻烦，因为 wordcloud 库需要依赖 Microsoft Visual C++ 环境，需要事先安装该组件；其次，为了词云图的美观，使用过程中需要配合其他第三方库使用，比如 PIL（用于加载背景图）。

wordcloud 可以接收多种格式的语料，可以是空格分隔的词语串，也可以是词语，词频组成的字典。下面我们使用词频统计 Excel 表构建字典语料，代码如下：

#上面已经读取了数据，这里不再重复读取
Words_dict = df.set_index('词语').to_dict()['词频']
# {'发展': 411,'建设': 349,'完善': 276,'体系': 252,……}

词云背景（形状）图使用下图（椭圆.png）：

使用 wordcloud 生成词云图的代码如下：

from PIL import Image   #图片处理
import matplotlib.pyplot as plt
from wordcloud import WordCloud

img = Image.open('椭圆.png') # 加载背景图片
img_array = np.array(img)    # 将图片变为数组，便于用作词云图形状

wordcloud = WordCloud(
    mask = img_array,     # 设置背景图，上面已经加载
    font_path="C:/Windows/Fonts/SimHei.ttf", #设置字体和大小,这里使用黑体
    max_font_size = 70,   # 词云图中词语字号最大值
    min_font_size = 7,    # 词云图中词语字号最小值
    max_words=100,        # 设置词语数量
    repeat=True,          # 当 max_words 超过总词数，是否使用重复的词语代替
    background_color="white", # 设置背景颜色为白色
    width=200,            # 设置宽高
    height=100
    ).generate_from_frequencies(Words_dict)

# 将词云图保存到本地
wordcloud.to_file('wordcloud词云图.png')  

以上就是使用 wordcloud 生成的词云图了，实际效果也是比较不错的，它的优点是可以控制的参数很多，可以尽情 DIY（包括背景图，主题颜色，词语大小等等），缺点是代码较复杂，依赖的环境/工具较多。

3stylecloud —— 最接近完美的 Python 词云库

也是本文最想介绍的词云工具 ！stylecloud是一款简单易用的 Python 词云生成第三方库，使用非常简单，但是得到的词云图却高级感十足。

📌小贴士:

事实上，stylecloud 是 wordcloud 的高级封装版本。这意味着 stylecloud 库需要依赖 wordcloud 库。这也是我们认为它接近完美而非真正完美的原因。

首先，我们认为影响词云图效果的因素有两大类，即语料和词云图形，其中语料的质量可以通过分词来控制；那么如何提高词云图形的质量呢？我们认为最影响词云图形的因素有以下 3 个：

1. 词云形状
2. 配色方案
3. 字体

下面我们就从这三个方面入手，一步一步美化词云图。先使用 stylecloud 制作一个默认的词云，但在此之前需要构建语料 。stylecloud 需要的语料可以是词语列表、词语词频 csv 文件或词语词频 txt 文件，我们使用词频统计表的前 200 个词语来构建不同格式的语料，构建语料的代码如下（不熟练的小伙伴也可以手动填写词语和词频来生成语料）：

# 取词频统计表的前 200 个词语
df = data1.head(200)

# 构建词语列表语料
All_words = []
[All_words.extend([w]*f) for w,f in zip(df['词语'], df['词频'])]

# 生成 csv 语料，将词频统计表另存为 csv 数据即可
df.to_csv('词频最高的200词.csv', index=False, encoding='utf-8')

# 生成 txt 语料
f = open('词频最高的200词.txt', 'a', encoding='utf-8')
for word,frequancy in zip(df['词语'], df['词频']):
    f.writelines(word + ' ' + str(frequancy) + '\n')
f.close()

生成的语料展示如下（使用记事本打开后）：

使用 stylecloud 库（使用默认参数）生成词云图的代码和词云图如下：

# 导入 stylecloud 库 
from stylecloud import gen_stylecloud

# 使用上面得到的 csv 语料生成词云图
# 除必要参数外尽量不使用其他参数
gen_stylecloud(
    file_path='词频最高的200词.csv',   # 必要参数，语料的路径，如果语料是列表格式，则改用 text 参数
    size=(600,600),         # 词云图的长宽，设置更大的数字可以增加成图的分辨率，但代码运行时间会随之增加
    max_words=200,          # 词云图中的最大词语数量
    max_font_size=120,      # 词云图中字号的最大值
    font_path=r'C:\Windows\Fonts\SimHei.ttf', # 字体是必要的参数，否则中文会显示异常
    output_name='StyleClond词云图.png',       # 必要参数，保存词云图的路径
)

一面旗！使用默认参数生成的词云图还是非常不错的，另外，从词语数量的增多可以看出，使用更多的词语可以使词云图更加饱满，视觉效果更佳。

下面我们将逐步修改词云形状，配色方案和字体来 DIY 一个更令人满意的词云图。

（1）词云形状

stylecloud 词云形状使用特定网站（https://fa5.dashgame.com/#/）中的图标，进入该网站，滚动鼠标下拉找到【查看图标】，点击进入后即可在 1600+ 图形中选择中意的形状，选择图形后，点击图形右上角即可复制图形的名称，如下图所示：

我们再将复制到的内容赋给参数 icon_name 即可生成这个形状的词云，代码如下：

gen_stylecloud(
    file_path='词频最高的200词.csv',   # 必要参数，语料的路径，如果语料是列表格式，则改用 text 参数
    size=(600,600),         # 词云图的长宽，设置更大的数字可以增加成图的分辨率，但代码运行时间会随之增加
    max_words=200,        # 词云图中的最大词语数量
    max_font_size=120,      # 词云图中字号的最大值, 默认值是 200
    font_path=r'C:\Windows\Fonts\SimHei.ttf',  # 字体是必要的参数，否则中文会显示异常
    output_name='./美化/StyleClond词云图.png',      # 保存词云图的路径
    icon_name='fas fa-cloud'    # 设置词云形状为云朵，设置此参数后，系统会到自动到网页端获取对应的背景图

另外，再添加参数 invert_mask=True 还可以将形状反转，（代码省略）直接展示结果：

（2）配色方案

配色方案将直接影响词云图的观感，在展示某些主题下的文本词云时，可以选择合适的配色。比如当我们制作与海洋产业有关系的文本词云时，可以设置主题颜色为蓝色/绿色/青色系列颜色。stylecloud 中词云的配色可以由 Python 配色工具库 palettable 来提供，其默认的配色方案也是由palettable 所提供的。我们找到了民间大神整理的配色方案PDF文档，文档中部分配色方案如下图所示：

如果想要使用图中的配色方案，只需在生成词云的代码前面声明（使用上图中左侧的代码）即可，例如，我们使用上图中 Blues_7 蓝色配色方案，声明配色方案的代码如下：

# 导入配色方案库
import palettable
palettable.colorbrewer.sequential.Blues_7
# 下面在添加生成词云的代码即可

此外，假如配色方案中没有我们喜欢的配色方案，那么我们还可以自定义配色方案，将选择的颜色填入一个列表，再将颜色列表赋给参数 colors 即可。那么如何选择颜色呢？我们为大家推荐一个可以 DIY 的无广告调色网页（http://www.ku51.net/rgbhex.html）。该网页支持用户自己调色（通过控制 R.G.B 颜色权重）来生成对应颜色的十六进制代码，如下图所示：

也可以在已有的几百种颜色中进行选择，如下图所示：

选中颜色后只需将对应的颜色代码填入 colors 参数列表中即可。我们选择几种较浅的暖色系颜色组成一个配色方案，代码如下：

gen_stylecloud(
    file_path='词频最高的200词.csv',   # 必要参数，语料的路径，如果语料是列表格式，则改用 text 参数
    size=(600,600),         # 词云图的长宽，设置更大的数字可以增加成图的分辨率，但代码运行时间会随之增加
    max_words=200,        # 词云图中的最大词语数量
    max_font_size=120,      # 词云图中字号的最大值, 默认值是 200
    font_path=r'C:\Windows\Fonts\SimHei.ttf',  # 字体是必要的参数，否则中文会显示异常
    output_name='StyleClond词云图_NS.png',      # 保存词云图的路径
    icon_name='fas fa-cloud',  # 词云形状
    # 自定义颜色列表
    colors=['#FFDAB9', '#FFE4E1', '#FFC1C1', '#CDCDB4', '#EECBAD']
)

除了颜色的变化，我们还可使用参数 gradient 来控制词云图色温变化的梯度，当不使用这个参数时，每个词语的颜色是可用颜色中随机的一种。也就是上面词云图中混乱无序的样子。当我们将gradient 参数设置为任意非空字符串，就可以使词云图中的颜色分布按照色温，色深沿着特定方向变化，效果非常 Nice。代码如下（注意参数 size变为整数，否则会报错）：

gen_stylecloud(
    file_path='词频最高的200词.csv',   # 必要参数，语料的路径，如果语料是列表格式，则改用 text 参数
    size=600,         # 词云图的长宽，设置更大的数字可以增加成图的分辨率，但代码运行时间会随之增加
    max_words=200,        # 词云图中的最大词语数量
    max_font_size=200,      # 词云图中字号的最大值, 默认值是 200
    font_path=r'C:\Windows\Fonts\SimHei.ttf',  # 字体是必要的参数，否则中文会显示异常
    output_name='./美化/StyleClond词云图_SW.png',      # 保存词云图的路径
    icon_name='fas fa-cloud',    # 词云形状
    palette='cartocolors.qualitative.Bold_5',  # 配色方案，由于前面声明了其他的配色方案（Blues_7),
                                               # 我们这里重新指定配色为 Bold_5，这也是默认的配色）
    gradient='颜色渐变666',   # 是否渐变色，可以是任意非空字符，为空字符时该参数不生效
    )

（3）字体

使用不同字体同样可以优化词云图的观感，对 Windows 用户来说，选择字体并不难，系统字体默认的存储路径为：C:\Windows\Fonts\，找到这个文件夹就可以查看系统中的字体，双击字体图标可以预览字体，不过很多字体并没有对中文做优化，因此设置后可能存在无法显示的情况。预览字体的截图如下：

鼠标右击图标后选择【属性(R)】可以查看该字体文件的名称，如下图所示：

我们使用 【微软雅黑】 字体（字体名为 msyhbd.ttc，使用 font_path参数设置字体路径）重新生成一个词云（由于字体加粗，我们将最大词数由 200 减少到 150）。最大字号下调至 150，图片尺寸由 600 调整为 1000，这个操作可以提高词云图的分辨率，防止小词语模糊不清。代码如下：

gen_stylecloud(
    file_path='词频最高的200词.csv',
    size=1000,
    max_words = 150, 
    max_font_size = 150,
    font_path=r'C:\Windows\Fonts\msyhbd.ttc',  # 使用此参数指定字体
    output_name='./美化/StyleClond词云图_ZT.png',
    icon_name = 'fas fa-cloud',
    palette = 'cartocolors.qualitative.Bold_5',
    )

公众号对话框内发送关键词“20221113”，即可获得本文词云所有资源！

Part3总结

本期文章我们为大家详细介绍了如何使用 Python 制作词云图，在制图过程中，我们可以通过设置不同的参数来改变词云的形状、配色、字体、词数等词云图要素。学习这些之后，我们就可以自己动手，制作想要的词云图了。希望本文内容对大家有所帮助。

加入企研·社科大数据平台数据分享群，获取更多数据资源及新鲜资讯

·END·

星标⭐我们不迷路！

想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

戳原文，更有料！