入门 NLP 自然语言处理，如何使用 Python 绘制词云图？

如何使用 Python 制作词云图。

作为 NLP 中最简单的部分，非常适合大家作为入门 NLP 自然语言处理的案例。

本篇文章会给大家详细介绍绘制词云图的整体流程和具体实现代码，如果你需要完整的代码，可以加粉丝群进行下载。

先上效果图：

在制作词云图之前说一下需求，我们有非常多的新闻文章，我们想要从这些新闻文章中分析出现频率最多的关键字是什么，然后按照关键字出现的频率绘制出词云图。

先来说说整体的步骤：

1. 1. • 导入依赖包
      • 配置matplotlib
      • 导入新闻数据
      • 删除空数据
      • 分词
      • 去停用词
      • 统计词频
      • 做词云

导入依赖包的代码如下：

import jieba  # 分词包
import numpy  # numpy计算包
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
from wordcloud import WordCloud  # 词云包

matplotlib的配置代码如下：

matplotlib.rcParams['figure.figsize'] = (10.0, 5.0)

读取新闻数据的代码如下：

df = pd.read_csv("../data/entertainment_news.csv", encoding='utf-8')

删除空数据的代码如下：

df = df.dropna()
content = df.content.values.tolist()

分词的代码如下：

segment = []
for line in content:
try:
segs = jieba.lcut(line)  # 分词
for seg in segs:
if len(seg) > 1 and seg != '\r\n':
segment.append(seg)
except:
print(line)
continue

去除停用词的代码如下：

words_df = pd.DataFrame({'segment': segment})
stopwords = pd.read_csv("../data/stopwords.txt", index_col=False, quoting=3, sep="\t", names=['stopword'],
encoding='utf-8')  # quoting=3全不引用
words_df = words_df[~words_df.segment.isin(stopwords.stopword)]

统计词频的代码如下：

words_stat = words_df.groupby('segment').agg({"segment": numpy.size}).rename(columns={'segment': '计数'})
words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False)
print(words_stat.head())

做词云的代码如下：

wordcloud = WordCloud(font_path="../data/simhei.ttf", background_color="white", max_font_size=80)
word_frequence = {x[0]: x[1] for x in words_stat.head(1000).values}
wordcloud = wordcloud.fit_words(word_frequence)
plt.imshow(wordcloud)
plt.show()

最终效果图如下：