使用 WordCloud 制作中文词云
前言
词云，也称为文字云或标签云，是一种将文本中出现频率较高的关键词以视觉化的方式展现的图形。词云的文字大小、颜色、形状等都可以根据不同的需求进行调整，以突出文本的主旨或者传达一定的情感。词云可以用于分析文本的内容，展示关键词的热度，美化文本的呈现，增加文本的趣味性等。
词云的制作方法有很多，有些是在线的，有些是需要下载相关软件的。本次实验主要通过使用 WordCloud 库在 Python 中绘制中文词云，使用的 IDE 为 Jupyter。
准备工作
在本次实验前，我们需要提前准备以下素材：
使用的库文件
wordcloud(词云制作)jieba(中文分词)numpy(数据处理)matplotlib(基础画图)PIL(读取图片)
如果没有以上相关库，可使用 pip 或者 conda 进行安装，建议使用国内镜像。
实验原理
在完成上述的准备工作后，就需要对我们已有的文本进行处理，因为生成词云 wordcloud 默认会以空格或标点为分隔符对目标文本进行分词处理。对于中文文本，分词处理需要由用户来完成。一般步骤是先将文本分词处理，然后以空格拼接，再调用 wordcloud 库函数。
最后便是生成词云图片，wordcloud 库的核心是 WordCloud类，所有的功能都封装在其中。使用时需要实例化 一 WordColoud类 的对象，并调用其 generate(text) 方法将 text 文本转化为词云。
程序设计
1. 引入相关库文件并设置文件各径
库文件的引入：
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import jieba
文件路径的设置：
path_text = 'D:/tempRes/texts/2022政府工作报告.txt'
path_stop = 'D:/tempRes/stopwords/hit_stopwords.txt'
path_mask = 'D:/tempRes/mask/ChinaMap.png'
path_font = 'D:/tempRes/fonts/msyh.ttc'
这里建议放在同一文件夹目录下，文件后缀名保持一致。对于字体的话需要展现什么字体就把该 字体路径 + 后缀名 写上即可，本次实验采用的是 Win10 自带的微软雅黑，具体操作方法在准备工作中。
2. 文本处理
根据上述原理图，我们将程序分为3个部分。在准备工作完成后，便要对文本进行处理。我们需要读取一篇文章通过停用词表统计它的词频并表生成一个“词频表”，然后生成一个字典（dict）保存。
首先，读取一篇文章以及停用词表并通过 split() 将字符串分割成一系列字符串。这里 STOPWORDS_CH 返回的是一个列表（list）。
text = open(path_text, encoding='utf8').read()
STOPWORDS_CH = open(path_stop, encoding='utf8').read().split()
通过 jieba.cut() 对读取到的 text 分割成一个个词或词组，对里面的每一个词过滤掉没有意义的“停用词”，最后保留长度大于1的词组（len(w) > 1）。
word_list = [
w for w in jieba.cut(text)
if w not in STOPWORDS_CH and len(w) > 1
]
freq = count_frequencies(word_list)
然后对获取到的 word_list 进行词频统计，下面将它封装成了一个函数：
def count_frequencies(word_list):
freq = dict()
for w in word_list:
if w not in freq.keys():
freq[w] = 1
else:
freq[w] += 1
return freq
freq = count_frequencies(word_list)
3. 生成词云
在生成词云之前我们需要先了解一下 wordcloud 库核心 WordCloud类 中的常用参数以及常用方法。
WordCloud 对象常用参数：
| 参数 | 说明 |
|---|---|
| font_path | 设置字体，指定字体文件的路径 |
| width | 图片宽度，默认 400 像素 |
| height | 图片高度，默认 200 像素 |
| mask | 词云形状，默认为矩形 |
| min_font_size | 词云中最小的字体字号，默认 4 号 |
| font_step | 字号步进间隔，默认 1 |
| max_font_size | 词云中最大的字体字号，默认根据高度自动调节 |
| max_word | 词云显示的最大词数，默认 200 |
| stopword | 设置停用词（需要屏蔽的词），停用词不在词云中显示，默认使用内置的STOPWORDS |
| background_color | 图片背景颜色，默认黑色 |
WordCloud 常用方法：
| 方法 | 功能 |
|---|---|
| generate(text) | 加载词云文本 |
| to_file(filename) | 输出词云文件 |
了解以上参数后，便可开始制作自己想要中文词云。我们需对图片转换为numpy类型数组，然后建立一个词云对象（wcd）以便我们后面生成图片及查看。
# 图片处理
im_mask = np.array(Image.open(path_mask))
wcd = WordCloud(font_path=path_font,width = 1000, height = 700,
background_color='white',max_words=200, max_font_size=150,
mode="RGBA",
colormap="Reds",
mask=im_mask,
)
wcd.generate_from_frequencies(freq)
在这里我除了设置以上 WordCloud 中参数外，还额外添加了 colormap 配色集，需要注意和提供的参数一致！可根据喜好设定，在这里使用的是红色。
在这里就词云已经生成，以下代码是如何查看以及保存和对比：
ax = plt_imshow(wcd)
ax.figure.savefig(f'2022政府工作报告_wcd.png', bbox_inches='tight', dpi=150)
fig, axs = plt.subplots(1, 2)
plt_imshow(im_mask, axs[0], show=False)
plt_imshow(wcd, axs[1])
fig.savefig(f'2022政府工作报告.png', bbox_inches='tight', dpi=150)
4. 运行结果
示例 1：
示例 2：
这个加上了红色轮廓，只需在
WordCloud中加上轮廓宽度（contour_width)和轮廓颜色（contour_widt）即可，不要和mode同用。
参考文献
至此，本次实验结束，大力感谢文章中提及的作者对我本次学习的帮助！最后代码放在我的Github中。