WordCloud詞雲圖去除停用詞的正確方法

前言

之前我們已經學習瞭如何使用wordcloud製作英文和中文詞雲，今天我們接着講解，在實際製作詞雲中，有很多詞是沒有展示出的意義的，例如我，他等主語，那如何不顯示這些詞了，這就涉及到停用詞。

wordcloud自帶停用詞

wordcloud自帶一個停用詞表，是一個集合的數據類型。

from wordcloud import STOPWORDS

print(STOPWORDS)

如果我們需要添入一些其他的詞的話，也很簡單，直接用add或者update方法即可（因爲這是集合數據）。

from matplotlib import pyplot as plt
from wordcloud import WordCloud,STOPWORDS

text = 'my is luopan. he is zhangshan'
stopwords = STOPWORDS
stopwords.add('luopan')

wc = WordCloud(stopwords=stopwords)
wc.generate(text)

plt.imshow(wc)

中文停用詞使用

用wordcloud庫製作中文詞雲圖，必須要分詞，所以總結下來，中文中需要設置停用詞的話可以有三種方法。

• 在分詞前，將中文文本的停用詞先過濾掉。
• 分詞的時候，過濾掉停用詞。
• 在wordcloud中設置stopwords。

在這裏我們只講解第三種方法，設置stopwords，我們需要先有一箇中文停用詞表，在網上下載即可，然後將停用詞表清洗爲集合數據格式。

首先我們讀取停用詞表的內容，設置爲集合數據結構。

stopwords = set()
content = [line.strip() for line in open('hit_stopwords.txt','r').readlines()]
stopwords.update(content)
stopwords

接着，我們就對文本進行分詞，製作詞雲圖即可。

from matplotlib import pyplot as plt
from wordcloud import WordCloud
import jieba

text = '我叫羅攀，他叫關羽，我叫羅攀，他叫劉備'
cut_word = " ".join(jieba.cut(text))

stopwords = set()
content = [line.strip() for line in open('hit_stopwords.txt','r').readlines()]
stopwords.update(content)

wc = WordCloud(font_path = r'/System/Library/Fonts/Supplemental/Songti.ttc',
              stopwords = stopwords)
wc.generate(cut_word)

plt.imshow(wc)

最後，如何美化詞雲圖，我們下期再見~