### 使用Python实现词频统计与词云图生成 要完成这一任务，可以分为两个主要部分：一是进行词频统计；二是基于统计结果生成词云图。以下是详细的说明和示例代码。 #### 1. 进行词频统计 为了对一段文本中的词语频率进行统计，通常会先将文本分割成单词列表，再计算每个单词出现的次数。如果处理中文文本，则需要借助 `jieba` 库来进行分词操作[^2]。 ```python from collections import Counter import jieba # 示例中文文本 text = "自然语言处理是一门非常有趣的学科，它涉及计算机科学、人工智能等多个领域。" # 中文分词 words = jieba.lcut(text) # 去除停用词（可选） stop_words = {"是", "一门", "多个"} filtered_words = [word for word in words if word not in stop_words] # 统计词频 counter = Counter(filtered_words) print(counter.most_common(10)) ``` 上述代码通过 `jieba.lcut()` 方法实现了中文分词，并利用 Python 的内置模块 `collections.Counter` 对分词后的结果进行了词频统计。 --- #### 2. 生成词云图 一旦获得了词频数据，就可以使用 `WordCloud` 库来生成可视化效果良好的词云图。下面是一个完整的例子： ```python from wordcloud import WordCloud import matplotlib.pyplot as plt # 构造词频字典 freq_dict = dict(counter) # 创建WordCloud对象并指定字体路径（对于中文非常重要） font_path = 'path_to_your_chinese_font.ttf' # 替换为实际的中文字体文件路径 wordcloud = WordCloud( font_path=font_path, width=800, height=400, background_color='white' ).generate_from_frequencies(freq_dict) # 展示词云图 plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') # 隐藏坐标轴 plt.show() ``` 此代码片段展示了如何自定义词云图的一些基本属性，例如宽度 (`width`) 和高度 (`height`)、背景颜色 (`background_color`) 等参数设置。 --- #### 3. 保存词云图为图片文件 除了展示外，还可以将生成的词云图保存到本地磁盘上作为图像文件。 ```python # 将词云图保存为PNG格式的文件 output_file = 'word_cloud.png' wordcloud.to_file(output_file) print(f"词云已成功保存至 {output_file}") ``` 以上方法能够轻松地把生成好的词云导出为 `.png` 文件以便后续分享或进一步编辑。 --- ### 总结 综上所述，整个流程包括三个核心环节——**文本预处理**（如去除停用词）、**词频分析**以及最终调用 **WordCloud 工具包绘制图形化表示**。这些步骤共同构成了一个完整的工作流，适用于多种场景下的数据分析需求。