使用Python的wordcloud库从Excel数据生成个性化的词云图

前言

词云图（Word Cloud）是数据可视化中常用的一种技术，通过将文字以不同的大小、颜色和方向排列，以展示文本数据中词汇的频次和重要性。对于文本分析、情感分析、关键词提取等应用，词云图都能够直观地展现信息。本文将详细介绍如何使用 Python 中的 wordcloud 库从 Excel 数据绘制词云图，帮助您快速上手词云图的生成和定制化。

一、环境准备

在开始之前，请确保您的开发环境中已经安装了以下库：

pip install wordcloud pandas matplotlib openpyxl

• wordcloud：用于生成词云图。

• pandas：处理 Excel 文件中的词频数据。

• matplotlib：用于展示和保存词云图。

• openpyxl：读取 Excel 文件。

二、词云图的基本原理

词云图的生成主要基于词汇的频数，频数越高的词汇在图中的字号越大。在 Python 中，wordcloud 库提供了多种自定义选项，例如字体、颜色、形状、最大词数等。接下来，我们将基于一个简单的 Excel 词频表格，逐步实现从数据加载到词云图绘制的过程。

1.步骤一：读取 Excel 文件

首先，使用 pandas 读取 Excel 文件，并确保将词汇和对应的频数提取出来。假设 Excel 文件包含两列：词汇 和 频数。

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('词汇频数表.xlsx')

# 确保数据按需加载
words = df['词汇'].values
frequencies = df['频数'].values

# 将词汇和频数组合成字典
word_freq = dict(zip(words, frequencies))

此时，word_freq 字典包含了词汇和它们对应的频数，格式如：{‘词汇1’: 10, ‘词汇2’: 15, …}。

2.步骤二：生成词云图

接下来，我们利用 wordcloud 库生成词云图。可以根据实际需求自定义词云图的显示样式。

from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 创建词云对象
wordcloud = WordCloud(
    font_path='simhei.ttf',  # 设置字体路径，确保中文显示
    background_color='white',  # 背景色
    width=800,  # 图像宽度
    height=400,  # 图像高度
    max_words=200,  # 最大词汇数
    max_font_size=100,  # 最大字体大小
    colormap='viridis'  # 颜色方案
).generate_from_frequencies(word_freq)

# 绘制并展示词云图
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')  # 关闭坐标轴
plt.show()

参数说明

• font_path：指定字体文件路径，这里使用了 “simhei.ttf” 以确保中文能够正确显示。

• background_color：设置背景颜色，可选值包括 black, white, gray 等。

• width 和 height：控制词云图的尺寸。

• max_words：控制词云图中显示的最大词汇数。

• max_font_size：控制最大字体的字号。

• colormap：控制颜色映射方案，支持多种内置方案如 viridis, plasma, inferno 等。

3.步骤三：保存词云图

绘制完成后，您可以将词云图保存为图片文件，便于分享和展示。

# 保存词云图到文件
wordcloud.to_file('wordcloud.png')

一般在该步骤就已经结束啦~

4.步骤四：高级自定义（形状与颜色）

（1）自定义形状词云图不仅可以是矩形，还可以根据特定的形状生成。例如，将词云限制在一张图片的轮廓内。您可以通过以下方法实现：

from PIL import Image
import numpy as np

# 加载形状模板图片
mask = np.array(Image.open('mask.png'))

# 生成带有形状的词云
wordcloud = WordCloud(
    font_path='simhei.ttf',
    background_color='white',
    mask=mask,  # 设置词云形状
    contour_width=1,  # 轮廓宽度
    contour_color='black'  # 轮廓颜色
).generate_from_frequencies(word_freq)

# 展示词云图
plt.figure(figsize=(10, 10))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

关键点讲解

• 高清图片作为 mask：
  使用高分辨率的黑白圆形图片，词云的清晰度会显著提升。白色部分将作为背景，黑色部分是生成词云的区域。

• contour_width 和 contour_color 参数：
  设置轮廓宽度和颜色，可以让词云图的形状更加突出。

• 调整 max_font_size 和 max_words：
  通过控制词汇数量和最大字体大小，确保词云图在形状内分布均匀且美观。

  

  这是换了一个爱丽丝Alice的mask的词云图。
  （2）自定义颜色如果想让词云中的词汇颜色更加多样，可以使用 ImageColorGenerator 从图片中提取颜色：

from wordcloud import ImageColorGenerator

# 基于模板图片生成颜色
image_colors = ImageColorGenerator(mask)

# 绘制词云图并应用颜色
plt.figure(figsize=(10, 10))
plt.imshow(wordcloud.recolor(color_func=image_colors), interpolation='bilinear')
plt.axis('off')
plt.show()

三、常见问题与解决方案

1.中文乱码问题：

使用 wordcloud 生成词云时，若不指定中文字体，中文会显示为方块。解决方法是指定支持中文的字体，例如 “simhei.ttf”。

2.词云生成不均匀：

尝试调整 max_font_size 和 mask 参数，使词云分布更为美观。

四、总结

本文详细介绍了如何从 Excel 表格生成词云图，并通过实例展示了词云图的自定义生成方法。词云图作为一种直观的数据可视化手段，在文本分析中有着广泛应用。可以再结合深度学习的自然语言处理技术，词云图可以进一步扩展用于更复杂的文本挖掘场景。

通过本文的介绍，读者不仅学会了如何使用Python的wordcloud库从Excel数据生成词云图，还掌握了如何进行高级自定义，如自定义形状和颜色。这些技巧不仅能够提升词云图的美观度，还能更好地突出文本数据中的关键信息。希望本文的内容对大家在文本分析和数据可视化方面有所帮助。未来，我们还可以探索更多高级功能，进一步丰富词云图的应用场景。