使用 Python的Pyecharts 绘制词云图

使用 Pyecharts 绘制词云图

词云图（Word Cloud）是一种常用的可视化方法，用于展示文本数据中各个词汇的频率，词频越高的词汇会以更大的字体显示。Pyecharts 提供了绘制词云图的功能，我们将在本案例中一步一步讲解如何使用 Pyecharts 绘制词云图。

一、安装所需库

Pyecharts 库安装后，已经自带了绘制词云图的功能，因此无需单独安装 WordCloud 库。只需要安装 pyecharts 库即可：

pip install pyecharts

二、准备词云数据

词云图的绘制需要一个词频数据集，通常我们会从一篇文章或者文本文件中提取出各个词的频率。为了演示方便，本案例使用一段简单的文本数据。

# 词频数据：一个字典，键是单词，值是单词的频率
word_frequencies = {
    "Python": 100,
    "Java": 80,
    "C++": 60,
    "JavaScript": 50,
    "数据分析": 90,
    "机器学习": 70,
    "人工智能": 85,
    "深度学习": 75,
    "区块链": 40,
    "大数据": 60,
}

三、导入相关库

我们需要导入 Pyecharts 库中的 WordCloud 类和 opts 配置类。

from pyecharts.charts import WordCloud
from pyecharts import options as opts

四、创建并配置词云图

在这个步骤中，我们使用 WordCloud() 创建一个词云图实例，并通过 add() 方法将词频数据添加到图表中。通过 set_global_opts() 配置全局参数，例如图表的标题。我们还可以通过 set_series_opts() 设置标签的样式，如旋转角度、字体大小等。

# 创建词云图实例
wordcloud = WordCloud()

# 添加词频数据，数据需要转换为列表格式，每个元素为 (词语, 频率)
wordcloud.add("", list(word_frequencies.items()))

# 设置图表的全局配置，包括标题
wordcloud.set_global_opts(
    title_opts=opts.TitleOpts(title="词云图示例")
)

# 设置标签的样式，调整旋转角度、字体大小等
wordcloud.set_series_opts(
    label_opts=opts.LabelOpts(
        rotate=30,  # 旋转角度
        font_size=20,  # 字体大小
        font_family="Arial",  # 字体类型
    )
)

五、渲染图表

最后，我们使用 render() 方法生成图表并将其保存为 HTML 文件，供我们在浏览器中查看。

# 渲染词云图到 HTML 文件，设置宽度和高度
wordcloud.render("wordcloud_example.html")

六、完整代码

以下是完整的代码，包含详细注释。

from pyecharts.charts import WordCloud
from pyecharts import options as opts

# 词频数据：一个字典，键是单词，值是单词的频率
word_frequencies = {
    "Python": 100,
    "Java": 80,
    "C++": 60,
    "JavaScript": 50,
    "数据分析": 90,
    "机器学习": 70,
    "人工智能": 85,
    "深度学习": 75,
    "区块链": 40,
    "大数据": 60,
}

# 创建词云图实例
wordcloud = WordCloud()

# 添加词频数据，数据需要转换为列表格式，每个元素为 (词语, 频率)
wordcloud.add("", list(word_frequencies.items()))

# 设置图表的全局配置，包括标题
wordcloud.set_global_opts(
    title_opts=opts.TitleOpts(title="词云图示例")
)

# 设置标签的样式，调整旋转角度、字体大小等
wordcloud.set_series_opts(
    label_opts=opts.LabelOpts(
        rotate=30,  # 旋转角度
        font_size=20,  # 字体大小
        font_family="Arial",  # 字体类型
    )
)

# 渲染图表到 HTML 文件
wordcloud.render("wordcloud_example.html")

七、代码解析

1. 词频数据：
   这里我们使用一个字典 word_frequencies 来存储词汇和它们的频率，字典的键是词汇，值是对应的频率。

2. 创建词云图实例：
   使用 WordCloud() 创建一个词云图对象 wordcloud。这是我们后续操作的基础。

3. 添加数据：
   使用 add() 方法将词频数据添加到词云图中。list(word_frequencies.items()) 将字典转换成一个列表形式，每个元素是一个元组（词语，频率）。

4. 设置全局配置：
   使用 set_global_opts() 设置图表的全局配置，包括标题、宽度和高度。这里我们设置了图表的标题为 "词云图示例"。

5. 设置样式：
   使用 set_series_opts() 配置标签的显示样式。我们将标签的旋转角度设置为 30 度，字体大小设置为 20，字体类型为 Arial。

6. 渲染图表：
   使用 render() 方法生成 HTML 文件，将图表渲染并保存为 wordcloud_example.html。你可以在浏览器中打开这个文件查看生成的词云图。

八、运行结果

运行上述代码后，会生成一个名为 wordcloud_example.html 的文件。你可以在浏览器中打开这个文件，查看绘制的词云图。词汇的大小由其频率决定，频率越高的词汇显示得越大，形态美观且具有一定的可读性。

总结

通过以上步骤，我们展示了如何使用 Pyecharts 绘制词云图。我们使用了 Pyecharts 内置的词云图功能，结合 Python 字典数据生成词频数据，并通过配置图表样式，最终生成了一个包含关键词和频率的美观词云图。你可以根据自己的需求修改词频数据、调整图表样式，生成适合自己需求的词云图。这种可视化方法非常适合用来展示文本数据中的重要信息。

作者：大数据张老师