前人的词云实践的博客：https://blog.csdn.net/cskywit/article/details/79285988
英文可直接生成词云
中文需要先用jieba分词预处理
class wordcloud.WordCloud(
font_path=None,
width=400,
height=200,
margin=2,
ranks_only=None,
prefer_horizontal=0.9,
mask=None, scale=1,
color_func=None,
max_words=200,
min_font_size=4,
stopwords=None,
random_state=None,
background_color=‘black’,
max_font_size=None,
font_step=1,
mode=‘RGB’,
relative_scaling=0.5,
regexp=None,
collocations=True,
colormap=None,
normalize_plurals=True)
##参数含义如下：
font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = ‘黑体.ttf’
width : int (default=400) //输出的画布宽度，默认为400像素
height : int (default=200) //输出的画布高度，默认为200像素
prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）
mask : nd-array or None (default=None) //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread(‘读取一张图片.png’)，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。
scale : float (default=1) //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
min_font_size : int (default=4) //显示的最小的字体大小
font_step : int (default=1) //字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
max_words : number (default=200) //要显示的词的最大个数
stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
background_color : color value (default=”black”) //背景颜色，如background_color=‘white’,背景颜色为白色。
max_font_size : int or None (default=None) //显示的最大的字体大小
mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
relative_scaling : float (default=.5) //词频和字体大小的关联性
color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
regexp : string or None (optional) //使用正则表达式分隔输入的文本
collocations : bool, default=True //是否包括两个词的搭配
实战示例
1.引用库
import jieba.analyse
import nltk
import jieba
import numpy as np
import matplotlib.pyplot as plt
from wordcloud import WordCloud
text = open(r’D:\Desktop\test.txt’,encoding=“utf-8”).read()
2.##提取关键词 tf-idf
with open(r’D:\Desktop\test.txt’,encoding=‘utf-8’) as f1:
for line in f1:
tags = jieba.analyse.extract_tags(line,
topK=10,
withWeight=False)
print(",".join(tags))
#for tag,weight in tags:
# print(tag + “,” + str(int(weight * 10000)))
f1.close()
tags
3.设置停止词，定义字体格式，按文本生成词云
stopwords = {}.fromkeys([“没有”,“不行”,“怎么回事”,“电话”,“手机”,“问题”,“除了”])
wc = WordCloud(font_path=r"D:\Desktop\lanting.ttf",
background_color=“white”,
max_words=200,
stopwords=stopwords)
import codecs
with open(r"D:\Desktop\tags10.txt",“rb”) as f2:
for line in f2:
tags = jieba.analyse.extract_tags(line,15)
print(",".join(tags))
f2.close()
text = open(r"D:\Desktop\tags10.txt").read()
wc.generate(text)
4.显示与导出
plt.imshow(wc)
plt.axis(“off”)
plt.figure(figsize=(20,12),dpi = 500)
plt.show()
wc.to_file(r"D:\Desktop\tags1.jpg")
5.其他备注
fit_words(frequencies) #根据词频生成词云
generate(text) #根据文本生成词云
generate_from_frequencies(frequencies[, …]) #根据词频生成词云
generate_from_text(text) #根据文本生成词云
process_text(text) #将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap]) #对现有输出重新着色。重新上色会比重新生成整个词云快很多
to_array() #转化为 numpy array
to_file(filename) #输出到文件