【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts) 视频教程 - 基于wordcloud库实现词云图
大家好，我是java1234_小锋老师，最近写了一套【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts)视频教程，持续更新中，计划月底更新完，感谢支持。今天讲解基于wordcloud库实现词云图
视频在线地址：
2026版【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts+爬虫) 视频教程 （火爆连载更新中..）_哔哩哔哩_bilibili
课程简介：
本课程采用主流的Python技术栈实现，Mysql8数据库，Flask后端，Pandas数据分析，前端可视化图表采用echarts，以及requests库，snowNLP进行情感分析，词频统计，包括大量的数据统计及分析技巧。
实现了，用户登录，注册，爬取微博帖子和评论信息，进行了热词统计以及舆情分析，以及基于echarts实现了数据可视化，包括微博文章分析，微博IP分析，微博评论分析，微博舆情分析。最后也基于wordcloud库实现了词云图，包括微博内容词云图，微博评论词云图，微博评论用户词云图等功能。
基于wordcloud库实现词云图
词云（Word Cloud） 是一种文本数据可视化形式，通过不同大小、颜色和布局的词汇展示文本中的关键词频率。词汇出现频率越高，在词云中显示得越大、越突出。常用于快速识别文本主题、情感分析或数据摘要。
核心特点
-
视觉突出：高频词汇尺寸更大、更醒目
-
自定义灵活：支持形状、颜色、字体等深度定制
-
快速洞察：一眼识别文本核心主题
-
应用广泛：社交媒体分析、用户评论摘要、报告生成等
安装wordcloud库
pip install wordcloud -i https://pypi.tuna.tsinghua.edu.cn/simple以下是 wordcloud.WordCloud 类构造方法的完整参数说明，掌握这些参数可以创建高度定制化的词云：
WordCloud(# 核心参数font_path=None, # 字体路径（解决中文显示必备）width=400, # 图像宽度（像素）height=200, # 图像高度（像素）margin=2, # 边距（像素）# 颜色与样式background_color="black", # 背景色colormap=None, # 颜色映射（如'viridis'/'plasma'，与color_func二选一）color_func=None, # 自定义颜色函数# 文本处理max_words=200, # 最大显示词数stopwords=None, # 停用词集合min_word_length=0, # 最小词长（过滤短词）collocations=True, # 是否包含双词搭配（bigram）# 字体控制max_font_size=None, # 最大字体尺寸（自动计算）min_font_size=4, # 最小字体尺寸font_step=1, # 字体步进值（越大渲染越快）relative_scaling=.5, # 词频缩放比例（0-1，1为线性）# 布局与形状mask=None, # 形状蒙版（numpy数组）contour_width=0, # 轮廓线宽contour_color='black',# 轮廓颜色# 重复词处理repeat=False, # 是否允许重复词include_numbers=False, # 是否包含数字normalize_plurals=True # 复数归一化（如word/words）# 其他高级参数prefer_horizontal=.9, # 水平词比例（0.9=90%词水平）scale=1, # 图像缩放比例（>1提高分辨率）random_state=None, # 随机种子（固定布局）collocation_threshold=30, # 双词搭配阈值mode="RGB", # 图像模式（RGB/RGBA）
)常用参数详解
| 参数 | 说明 | 示例值 |
|---|---|---|
width/height | 图片尺寸 | 800, 400 |
background_color | 背景色 | "white", "#000000" |
max_words | 最大词汇数量 | 200 |
colormap | 颜色映射 | "viridis", "tab20" |
mask | 形状模板 | numpy数组 |
stopwords | 停用词表 | set(["a", "the"]) |
font_path | 字体路径 | "arial.ttf" |
下面是示例代码：
import sysimport numpy as np
from PIL import Image
from matplotlib import pyplot as plt
from wordcloud import WordCloudsys.path.append('static')if __name__ == '__main__':text = "牛掰 牛逼 大佬 我去 张三 卡卡 嘿嘿 哈哈 生成 商城 气死我了 不去 就不要 好滴 骄傲 好的 大战 发展 求生 共存 火了 刘安 伙计 火鸡 打火机"img = Image.open('article_mask.jpg') # 形状模版图片img_arr = np.array(img) # 转成图片数组对象wc = WordCloud(width=800,height=600,background_color='white',colormap='Blues',font_path='STHUPO.TTF',mask=img_arr)wc.generate_from_text(text)# 绘制图片plt.imshow(wc)# 不显示坐标轴plt.axis('off')outImg = 'wordcloud_test.jpg'plt.savefig('wordcloud_test.jpg', dpi=500)我们可以封装下，做成一个生成词云图的工具方法genWordCloudPic()，其他地方就可以传参直接调用生成词云图。
import numpy as np
from PIL import Image
from matplotlib import pyplot as plt
from wordcloud import WordClouddef genWordCloudPic(str, maskImg, outImg):"""生成云图:param str: 词云 空格隔开:param maskImg: 形状模版图片:param outImg: 输出的词云图文件名:return:"""img = Image.open(maskImg) # 形状模版图片img_arr = np.array(img) # 转成图片数组对象wc = WordCloud(width=800,height=600,background_color='white',colormap='Blues',font_path='STHUPO.TTF',mask=img_arr)wc.generate_from_text(str)# 绘制图片plt.imshow(wc)# 不显示坐标轴plt.axis('off')plt.savefig(outImg, dpi=500)if __name__ == '__main__':text = "牛掰2 牛逼 大佬 我去 张三 卡卡 嘿嘿 哈哈 生成 商城 气死我了 不去 就不要 好滴 骄傲 好的 大战 发展 求生 共存 火了 刘安 伙计 火鸡 打火机"genWordCloudPic(text, 'comment_mask.jpg', 'wordcloud_test2.jpg')运行生成：
