目录
1.认识Python
2.环境与工具
2.1 python环境
2.2 Visual Studio Code编译
3.词频云图
3.1 代码构思
3.2 代码实例
3.3 运行结果
4.总结
1.认识Python
Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字或标点符号，它具有比其他语言更有特色的语法结构。
2.环境与工具
2.1 python环境
在Windows上使用命令行窗口查看所安装的python版本
python --version
2.2 Visual Studio Code编译
Visual Studio Code是一款由微软开发且跨平台的免费源代码编辑器。该软件以扩展的方式支持语法高亮、代码自动补全、代码重构功能，并且内置了命令行工具和Git 版本控制系统。
3.词频云图
3.1 代码构思
使用词频云图模块库wordcloud、画图模板库matplotlib、中文分词库jieba，读入文本文件、图片文件，然后通过分词进行文本解析，然后绘制最终的词频云图。
3.2 代码实例
from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt
import jieba# 文件路径
filename = 'test2.txt'# 读取文本文件
with open(filename, encoding='utf-8') as f:vtext = f.read()# 使用 jieba 分词
vtext = ' '.join(jieba.cut(vtext))# 读取背景图片
img = plt.imread('1.png')# 获取默认的屏蔽词，并添加自定义屏蔽词
stopwords = set(STOPWORDS)
vstop = ['没有', '还有', '不是', '只是', '说到']
for i in vstop:stopwords.add(i)# 生成词云对象
wordcloud = WordCloud(font_path='./part4/cangekuheiziti.ttf',background_color='white',max_words=200,mask=img,stopwords=stopwords
).generate(vtext)# 显示词频云图
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off') # 设置图形坐标# 显示图形
plt.show()# 保存图形
wordcloud.to_file('wordcloud_output.jpg')
3.3 运行结果
4.总结
在程序运行前要保证文本文件1.txt文件内有文本，这样才能根基文本文件中词语出现的频率生成最终的词频图，还有要注意要有.ttf字体文件以及背景图片。
自己运行起来试试看吧！