Python 基础之词云（词的频率统计大小成图）的简单实现（包括图片词云，词云颜色，词的过滤）

太过爱你忘了你带给我的痛 2022-12-28 08:10 2559阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70][]

# Python 基础 之 词云（词的频率统计大小成图）的简单实现（包括图片词云，词云颜色，词的过滤） #

**目录**

Python 基础 之 词云（词的频率统计大小成图）的简单实现（包括图片词云，词云颜色，词的过滤）

一、简单介绍

二、实现原理

三、案例环境

四、注意事项

五、wordcloud 类和参数简单说明

六、 环境搭建

1、Anaconda 和 Pycharm 的安装（可忽略）

2、wordcloud 的安装

3、jieba 安装

4、numpy 酌情重新安装（可以先忽略，有numpy运行报错，在重新安装）

七、英文文本生成词云，并保存词云图

八、中文文本生成词云，并保存词云图

九、过滤中文文本某些词，中文文本生成词云，并保存词云图

十、指定图片 Mask 的中文文本生成词云，并保存词云图

十一、指定图片 Mask 和 Mask 颜色的中文文本生成词云，并保存词云图（并设置最大词数、设置词云词最大的尺寸）

十二、通过词频生成词云效果

附录：pyecharts wordcloud

--------------------

## 一、简单介绍 ##

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。

本节简单介绍，词云的生成图、保存词云图片、图片 mask 生成词云、过滤词云中的某些词等简单功能，如有不对，欢迎指正，谢谢。

## 二、实现原理 ##

1、数据源准备好，jieba 进行分词 (针对中文的数据源)

2、把分词好的数据传给 WordCloud ，生成词云图

3、使用 matplotlib 进行图片的显示，或者保存成图片

## 三、案例环境 ##

1、python           3.6

2、wordcloud       1.8.1

3、jieba           0.42.1

4、matplotlib      3.3.3

5、numpy           1.19.3

## 四、注意事项 ##

1、安装 wordcloud 的时候，会自动安装 matplotlib 、numpy 等软件，但是可能有些包会与当前 python 不匹配，如果运行代码报错，再酌情安装对应版本即可

（例如：安装 wordcloud 默认安装 numpy 1.19.4，与当前 python 3.6 不匹配，卸载 numpy ，重新安装与python 匹配的 numpy 1.19.3 版本）

2、jieba 分词，一般使用在中文的词云，英文等就可以省去 jieba 分词

3、中文生词词云的时候，最好指定生成词云的字体 Font ，不然，可能会出现乱码（效果显示成边框等）

4、词云图保存，可以使用 wordcloud  直接保存，也可以 使用 matplotlib  进行保存，或者自己直接截图保存都行，根据自己需要选择

## 五、wordcloud 类和参数简单说明 ##

class WordCloud(object):
    def __init__(self, font_path=None, width=400, height=200, margin=2,
                 ranks_only=None, prefer_horizontal=.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='auto', regexp=None, collocations=True,
                 colormap=None, normalize_plurals=True, contour_width=0,
                 contour_color='black', repeat=False,
                 include_numbers=False, min_word_length=0, collocation_threshold=30):

> 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
> 
> colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color\_func，则忽略该方法。
> 
>   
> 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

## 六、 环境搭建 ##

[Python 常见问题 之 python 安装包下载安装速度慢 的 快速解决方法][Python _ _ python _ _]

### 1、Anaconda 和 Pycharm 的安装（可忽略） ###

参考博文：[Python 工具 之 Anaconda 的下载、安装、环境创建，以及结合Pycharm在其Python环境下运行第一个HelloWorld][Python _ _ Anaconda _Pycharm_Python_HelloWorld]

### 2、wordcloud 的安装 ###

命令：pip install wordcloud

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 1][]

### 3、jieba 安装 ###

命令：pip install jieba

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 2][]

### 4、numpy 酌情重新安装（可以先忽略，有numpy运行报错，在重新安装） ###

命令：pip uninstall numpy    、pip install numpy==1.19.3  （可能不是1.19.3 版本，根据自己情况选择合适版本即可）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 3][]

## 七、英文文本生成词云，并保存词云图 ##

0、英文文本

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 4][]

1、效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 5][]

2、关键代码

import matplotlib.pyplot as plt
    from wordcloud import WordCloud
    
    
    def english_word_cloud():
        # 词云文本的路径
        path = "./English.txt"
    
        # 打开文件读取
        with open(path, 'r', encoding="utf-8") as f:
            cut_text = f.read()
            pass
    
        # 打印读取结果
        print(cut_text)
    
        # 配置词云图，并生成词云图
        word_cloud = WordCloud(
            background_color="white",
            width=1920,
            height=1080
        ).generate(cut_text)
    
        # 显示词云图
        plt.imshow(word_cloud, interpolation="bilinear")
        plt.axis('off')
        plt.show()
    
        # 保存词云图
        word_cloud.to_file("./english_word_cloud.png")
        pass
    
    
    def main():
        english_word_cloud()
    
        pass
    
    
    if __name__ == '__main__':
        main()
        pass

## 八、中文文本生成词云，并保存词云图 ##

0、中文文本

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 6][]

1、没有设置字体的效果效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 7][]

2、设置字体的效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 8][]

3、关键代码

import jieba
    import matplotlib.pyplot as plt
    from wordcloud import WordCloud
    
    
    def chinese_word_cloud():
        # 词云文本的路径
        path = "./Chinese.txt"
    
        # 打开文件读取
        with open(path, 'r', encoding="utf-8") as f:
            cut_text = f.read()
            pass
    
        # 打印读取结果
        # print(cut_text)
    
        # jieba 分词
        jieba_str = jieba.cut(cut_text)
        # print(jieba_str)
        cut_text = " ".join(jieba_str)
        # print(cut_text)
    
        # 配置词云图，并生成词云图
        word_cloud = WordCloud(
            # 注意字体设置（win 自带字体库，选择自己需要的字体即可）
            font_path="C:/Windows/Fonts/simfang.ttf",
            background_color="white",
            width=1920,
            height=1080
        ).generate(cut_text)
    
        # 显示词云图
        plt.imshow(word_cloud, interpolation="bilinear")
        plt.axis('off')
        plt.show()
    
        # 保存词云图
        word_cloud.to_file("./chinese_word_cloud.png")
        pass
    
    
    def main():
        chinese_word_cloud()
        pass
    
    
    if __name__ == '__main__':
        main()
        pass

## 九、过滤中文文本某些词，中文文本生成词云，并保存词云图 ##

0、过滤如图中的  ‘的 是 在 与’

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 9][]

1、效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 10][]

2、关键代码

import jieba
    import matplotlib.pyplot as plt
    from wordcloud import WordCloud
    
    
    
    def chinese_word_cloud_with_stop_words():
        # 词云文本的路径
        path = "./Chinese.txt"
    
        # 过滤词云文本的路径
        path_sw = "Chinese_Stopwords.txt"
    
        # 打开词云文件读取
        with open(path, 'r', encoding="utf-8") as f:
            cut_text = f.read()
            pass
    
        # 打开过滤词云文件读取
        with open(path_sw, 'r', encoding="utf-8") as f:
            stop_words_text = f.read()
            pass
    
        # 打印读取结果
        # print(cut_text)
        # print(stop_words_text)
    
        # jieba 分词
        jieba_str = jieba.cut(cut_text)
        jieba_stop_words_str = jieba.cut(stop_words_text)
        # print(jieba_str)
        # print(jieba_stop_words_str)
        cut_text = " ".join(jieba_str)
        stop_words_text = " ".join(jieba_stop_words_str)
        # print(cut_text)
        # print(stop_words_text)
    
        # 配置词云图，并生成词云图
        word_cloud = WordCloud(
            # 注意字体设置（win 自带字体库，选择自己需要的字体即可）
            font_path="C:/Windows/Fonts/simfang.ttf",
            background_color="white",
            width=1920,
            height=1080,
            # 过滤词云设置
            stopwords=stop_words_text
        ).generate(cut_text)
    
        # 显示词云图
        plt.imshow(word_cloud, interpolation="bilinear")
        plt.axis('off')
        plt.show()
    
        # 保存词云图
        word_cloud.to_file("./chinese_word_cloud_with_stop_words.png")
        pass
    
    
    def main():
        chinese_word_cloud_with_stop_words()
        pass
    
    
    if __name__ == '__main__':
        main()
        pass

## 十、指定图片 Mask 的中文文本生成词云，并保存词云图 ##

0、指定图片（自己喜好选择即可）

![20201215195356637.png][]

1、效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 11][]

2、关键代码

import jieba
    import matplotlib.pyplot as plt
    import numpy as np
    from wordcloud import WordCloud
    from PIL import Image
    
    
    
    
    def chinese_word_cloud_with_stop_words_and_mask():
        # 词云文本的路径
        path = "./Chinese.txt"
    
        # 过滤词云文本的路径
        path_sw = "Chinese_Stopwords.txt"
    
        # 打开词云文件读取
        with open(path, 'r', encoding="utf-8") as f:
            cut_text = f.read()
            pass
    
        # 打开过滤词云文件读取
        with open(path_sw, 'r', encoding="utf-8") as f:
            stop_words_text = f.read()
            pass
    
        # 打印读取结果
        # print(cut_text)
        # print(stop_words_text)
    
        # jieba 分词
        jieba_str = jieba.cut(cut_text)
        jieba_stop_words_str = jieba.cut(stop_words_text)
        # print(jieba_str)
        # print(jieba_stop_words_str)
        cut_text = " ".join(jieba_str)
        stop_words_text = " ".join(jieba_stop_words_str)
        # print(cut_text)
        # print(stop_words_text)
    
        # read the mask image
        image_path = 'Mask.png'
        mask_image = np.array(Image.open(image_path))
    
        # 配置词云图，并生成词云图
        word_cloud = WordCloud(
            # 注意字体设置（win 自带字体库，选择自己需要的字体即可）
            font_path="C:/Windows/Fonts/simfang.ttf",
            background_color="white",
            width=1920,
            height=1080,
            # 过滤词云设置
            stopwords=stop_words_text,
            # 图像 mask
            mask=mask_image
        ).generate(cut_text)
    
        # 显示词云图
        fig, axes = plt.subplots(1, 2)
        axes[0].imshow(word_cloud, interpolation="bilinear")
        axes[1].imshow(mask_image, cmap=plt.cm.gray, interpolation="bilinear")
        # 关闭 坐标轴显示
        for ax in axes:
            ax.set_axis_off()
            pass
        plt.show()
        # 保存词云图
        word_cloud.to_file("./chinese_word_cloud_with_stop_words_and_mask.png")
        pass
    
    
    def main():
        chinese_word_cloud_with_stop_words_and_mask()
        pass
    
    
    if __name__ == '__main__':
        main()
        pass

## 十一、指定图片 Mask 和 Mask 颜色的中文文本生成词云，并保存词云图（并设置最大词数、设置词云词最大的尺寸） ##

1、效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 12][]

2、关键代码

import jieba
    import matplotlib.pyplot as plt
    import numpy as np
    from wordcloud import WordCloud, ImageColorGenerator
    from PIL import Image
    
    
    
    
    def chinese_word_cloud_with_stop_words_and_mask_color():
        # 词云文本的路径
        path = "./Chinese.txt"
    
        # 过滤词云文本的路径
        path_sw = "Chinese_Stopwords.txt"
    
        # 打开词云文件读取
        with open(path, 'r', encoding="utf-8") as f:
            cut_text = f.read()
            pass
    
        # 打开过滤词云文件读取
        with open(path_sw, 'r', encoding="utf-8") as f:
            stop_words_text = f.read()
            pass
    
        # 打印读取结果
        # print(cut_text)
        # print(stop_words_text)
    
        # jieba 分词
        jieba_str = jieba.cut(cut_text)
        jieba_stop_words_str = jieba.cut(stop_words_text)
        # print(jieba_str)
        # print(jieba_stop_words_str)
        cut_text = " ".join(jieba_str)
        stop_words_text = " ".join(jieba_stop_words_str)
        # print(cut_text)
        # print(stop_words_text)
    
        # read the mask image
        image_path = 'Mask.png'
        mask_image = np.array(Image.open(image_path))
    
        # mask_colors 可以是mask_image 也可以定义其他图
        mask_colors = ImageColorGenerator(mask_image)
    
        # 配置词云图，并生成词云图
        word_cloud = WordCloud(
            # 注意字体设置（win 自带字体库，选择自己需要的字体即可）
            font_path="C:/Windows/Fonts/simfang.ttf",
            background_color="white",
            width=1920,
            height=1080,
            # 设置最大词数
            max_words=2000,
            # 设置词云词最大的尺寸
            max_font_size=100,
            # 过滤词云设置
            stopwords=stop_words_text,
            # 图像 mask
            mask=mask_image
        ).generate(cut_text)
    
        # 显示词云图
        fig, axes = plt.subplots(1, 3)
        axes[0].imshow(word_cloud, interpolation="bilinear")
        axes[1].imshow(word_cloud.recolor(color_func=mask_colors), interpolation="bilinear")
        axes[2].imshow(mask_image, cmap=plt.cm.gray, interpolation="bilinear")
        # 关闭 坐标轴显示
        for ax in axes:
            ax.set_axis_off()
            pass
        plt.show()
        # 保存词云图
        word_cloud.to_file("./chinese_word_cloud_with_stop_words_and_mask_color.png")
        pass
    
    
    def main():
        chinese_word_cloud_with_stop_words_and_mask_color()
        pass
    
    
    if __name__ == '__main__':
        main()
        pass

## 十二、通过词频生成词云效果 ##

通过字典形式统计好词出现次数，来生成显示词云

1、效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 13][]

2、关键代码

import matplotlib.pyplot as plt
    from wordcloud import WordCloud
    
    
    
    
    def create_word_cloud_by_words_count():
        frequencies = {
            "网页游戏": 254,
            "游戏机": 188,
            "模拟辅助": 166,
            "个护美容": 942,
            "护肤品": 177,
            "彩妆": 133,
            "美发": 80,
            "香水": 50,
            "个人护理": 46,
            "美甲": 26,
            "SPA美体": 21,
            "花鸟萌宠": 914,
            "绿植花卉": 311,
            "狗": 257,
            "其他宠物": 131,
            "水族": 125,
            "猫": 122,
            "动物": 81,
            "鸟": 67,
            "宠物用品": 41,
            "宠物服务": 26,
            "书籍阅读": 913,
            "网络小说": 483,
            "关注书籍": 128,
            "文学": 105,
            "报刊杂志": 77,
            "人文社科": 22,
            "建材家居": 907,
            "装修建材": 644,
            "家具": 273,
            "家居风格": 187,
            "家居家装关注品牌": 140,
            "家纺": 107,
            "厨具": 47,
            "灯具": 43,
            "家居饰品": 29,
            "家居日常用品": 10,
            "生活服务": 883,
            "物流配送": 536,
            "家政服务": 108,
            "摄影服务": 49,
            "搬家服务": 38,
            "物业维修": 37,
            "婚庆服务": 24,
            "二手回收": 24,
            "鲜花配送": 3,
            "维修服务": 3,
            "殡葬服务": 1,
            "求职创业": 874,
            "创业": 363,
            "目标职位": 162,
            "目标行业": 50,
            "兼职": 21,
            "期望年薪": 2000,
            "实习": 16,
            "雇主类型": 10,
            "星座运势": 789,
            "星座": 316,
            "算命": 303,
            "解梦": 196,
            "风水": 93,
            "面相分析": 47,
            "手相": 32,
            "公益": 90
        }
    
        wc = WordCloud(
            font_path="C:/Windows/Fonts/simfang.ttf",
            max_words=100,
            width=2000,
            height=1200,
        )
        word_cloud = wc.generate_from_frequencies(frequencies)
        # 写词云图片
        word_cloud.to_file("create_word_cloud_by_words_count.jpg")
        # 显示词云文件
        plt.imshow(word_cloud)
        plt.axis("off")
        plt.show()
    
    
    def main():
        # english_word_cloud()
        # chinese_word_cloud()
        # chinese_word_cloud_with_stop_words()
        # chinese_word_cloud_with_stop_words_and_mask()
        # chinese_word_cloud_with_stop_words_and_mask_color()
        create_word_cloud_by_words_count()
        pass
    
    
    if __name__ == '__main__':
        main()
        pass

## 附录：pyecharts wordcloud ##

class WordCloud( \# 初始化配置项，参考 \`global\_options.InitOpts\` init\_opts: opts.InitOpts = opts.InitOpts() )

def add(
        # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
        series_name: str,
    
        # 系列数据项，[(word1, count1), (word2, count2)]
        data_pair: Sequence,
    
        # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选
        shape: str = "circle",
    
        # 自定义的图片（目前支持 jpg, jpeg, png, ico 的格式，其他的图片格式待测试）
        # 该参数支持：
        # 1、 base64 （需要补充 data 头）；
        # 2、本地文件路径（相对或者绝对路径都可以）
        # 注：如果使用了 mask_image 之后第一次渲染会出现空白的情况，再刷新一次就可以了（Echarts 的问题）
        # Echarts Issue: https://github.com/ecomfe/echarts-wordcloud/issues/74
        mask_image: types.Optional[str] = None,
    
        # 单词间隔
        word_gap: Numeric = 20,
    
        # 单词字体大小范围
        word_size_range=None,
    
        # 旋转单词角度
        rotate_step: Numeric = 45,
    
        # 距离左侧的距离
        pos_left: types.Optional[str] = None,
    
        # 距离顶部的距离
        pos_top: types.Optional[str] = None,
    
        # 距离右侧的距离
        pos_right: types.Optional[str] = None,
    
        # 距离底部的距离
        pos_bottom: types.Optional[str] = None,
    
        # 词云图的宽度
        width: types.Optional[str] = None,
    
        # 词云图的高度
        height: types.Optional[str] = None,
    
        # 允许词云图的数据展示在画布范围之外
        is_draw_out_of_bound: bool = False,
    
        # 提示框组件配置项，参考 `series_options.TooltipOpts`
        tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
    
        # 词云图文字的配置
        textstyle_opts: types.TextStyle = None,
    
        # 词云图文字阴影的范围
        emphasis_shadow_blur: types.Optional[types.Numeric] = None,
    
        # 词云图文字阴影的颜色
        emphasis_shadow_color: types.Optional[str] = None,
    )

1、效果预览

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 14][]

2、关键代码

from pyecharts import options as opts
    from pyecharts.charts import WordCloud
    
    words = [
        ("网页游戏", 254),
        ("游戏机", 188),
        ("模拟辅助", 166),
        ("个护美容", 942),
        ("护肤品", 177),
        ("彩妆", 133),
        ("美发", 80),
        ("香水", 50),
        ("个人护理", 46),
        ("美甲", 26),
        ("SPA美体", 21),
        ("花鸟萌宠", 914),
        ("绿植花卉", 311),
        ("狗", 257),
        ("其他宠物", 131),
        ("水族", 125),
        ("猫", 122),
        ("动物", 81),
        ("鸟", 67),
        ("宠物用品", 41),
        ("宠物服务", 26),
        ("书籍阅读", 913),
        ("网络小说", 483),
        ("关注书籍", 128),
        ("文学", 105),
        ("报刊杂志", 77),
        ("人文社科", 22),
        ("建材家居", 907),
        ("装修建材", 644),
        ("家具", 273),
        ("家居风格", 187),
        ("家居家装关注品牌", 140),
        ("家纺", 107),
        ("厨具", 47),
        ("灯具", 43),
        ("家居饰品", 29),
        ("家居日常用品", 10),
        ("生活服务", 883),
        ("物流配送", 536),
        ("家政服务", 108),
        ("摄影服务", 49),
        ("搬家服务", 38),
        ("物业维修", 37),
        ("婚庆服务", 24),
        ("二手回收", 24),
        ("鲜花配送", 3),
        ("维修服务", 3),
        ("殡葬服务", 1),
        ("求职创业", 874),
        ("创业", 363),
        ("目标职位", 162),
        ("目标行业", 50),
        ("兼职", 21),
        ("期望年薪", 2000),
        ("实习", 16),
        ("雇主类型", 10),
        ("星座运势", 789),
        ("星座", 316),
        ("算命", 303),
        ("解梦", 196),
        ("风水", 93),
        ("面相分析", 47),
        ("手相", 32),
        ("公益", 90),
    ]
    
    c = (
        WordCloud().add(
            "",
            words,
            word_size_range=[20, 100],
            textstyle_opts=opts.TextStyleOpts(font_family="cursive"),
        ).set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-Pyecharts"))
        .render("wordcloud_pyecharts.html")
    )

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 15][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70]: /images/20221120/d826179958af462e8a57629ebd4b83d1.png
[Python _ _ python _ _]: https://blog.csdn.net/u014361280/article/details/109922342
[Python _ _ Anaconda _Pycharm_Python_HelloWorld]: https://blog.csdn.net/u014361280/article/details/109787642
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 1]: /images/20221120/54e7315b5ca046c48493086cc6b39698.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 2]: /images/20221120/f3fe060130f84219816dc9093250191a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 3]: /images/20221120/17aad847011e4d5baa654a74102d5fc1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 4]: /images/20221120/81518e55baca4fb6b165f912b6606a6e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 5]: /images/20221120/7d5f1f4d2f8b46c7ab931cd3b711f2a7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 6]: /images/20221120/c8805d1d268142169fba2f36578c3c1a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 7]: /images/20221120/0d005e8e2c0b481a9243f79985b96d33.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 8]: /images/20221120/5930e6685779498891b2dd0c09180329.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 9]: /images/20221120/767130c5532f4106a20064097a0f7b23.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 10]: /images/20221120/562f0813a8134e51b48fd764e9b84a48.png
[20201215195356637.png]: /images/20221120/d91e37f5b8224c38923d0597bd4e5693.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 11]: /images/20221120/84aa0328d6784764b673b6f52dff2c02.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 12]: /images/20221120/ea66d8d70c8143e2ac85d410e6842284.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 13]: /images/20221120/6053471cf62748038751214894126f4c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 14]: /images/20221120/5ca647c8f19a40b1b03ed4662fb08a9d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 15]: /images/20221120/d408cb12ad4f4d7da018667453337fc7.png