install.packages("wordcloud2") # 安装包
library(wordcloud2) # 加载包

data(demoFreqC)
head(demoFreqC)

        V2   V1
1     数据 2304
3     统计 1413
4     用户  855
5     模型  846
7     分析  773
8 数据分析  750

wordcloud2(demoFreqC)

wordcloud2(data, size = 1, minSize = 0, gridSize =  0,
    fontFamily = 'Segoe UI', fontWeight = 'bold',
    color = 'random-dark', backgroundColor = "white",
    minRotation = -pi/4, maxRotation = pi/4, shuffle = TRUE,
    rotateRatio = 0.4, shape = 'circle', ellipticity = 0.65,
    widgetsize = NULL, figPath = NULL, hoverFunction = NULL)
参数
data    包含每列中的单词和频率的数据框

size    字体大小，默认值为 1。尺寸越大意味着单词越大。

minSize    字幕的字符串

gridSize  网格的大小（以像素为单位），用于标记画布的可用性 网格大小越大，单词之间的差距越大。

fontFamily    要使用的字体。

fontWeight  要使用的字体粗细，例如普通、粗体或 600

color  可以使用文本的颜色，关键字“随机暗”和“随机光”。 此参数中也支持颜色矢量

backgroundColor    背景的颜色。

minRotation  如果单词应旋转，则最小旋转 （以 rad 为单位）文本应旋转。

maxRotation  如果单词应旋转，则文本应旋转的最大旋转（以 rad 为单位）。 将两个值设置为相等，以使所有文本保持一个角度。

shuffle     随机播放要绘制的点，以便每次相同的列表和设置的结果都会有所不同。

rotateRatio  单词旋转的概率。将数字设置为 1 以始终旋转。

shape    要绘制的“云”的形状。可以是存在的关键字。可用的礼物是“圆圈” （默认），“心形”（苹果形或心形曲线，最著名的极性方程）， “菱形”（正方形的别名）、“三角形”、“三角形”、“五边形”和“星形”。

ellipticity  形状词云2的“平坦度”程度.js应该画出来。

widgetsize    小部件的大小

figPath    用作蒙版的图形的路径。

hoverFunction  光标进入或离开占用区域时调用的回调 一句话。一个字符串的 java 脚本函数。

wordcloud2(demoFreqC, size = 2)

wordcloud2(demoFreqC, shape = 'cardioid',size=1.5)

wordcloud2(demoFreqC, size = 1.5,shape="pentagon",
           color = "random-dark", backgroundColor = "darkgrey")

wordcloud2(demoFreqC,
           size = 1.5,
           shape = "star",
           minRotation = 30, maxRotation = 45,
           rotateRatio = 1)

wordcloud2(demoFreqC,size=1.5,shape="cardioid") + WCtheme(1) + WCtheme(2) + WCtheme(3)

import pandas as pd
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 读取XLSX文件
file_path = '问题统计.xlsx'
data = pd.read_excel(file_path)

# 提取第一列（文字）和第二列（次数统计）数据
words = data.iloc[:, 0]
frequencies = data.iloc[:, 1]

# 构建词云图
wordcloud = WordCloud(width=800, height=800,
                      background_color='white',
                      min_font_size=10,
                      colormap='viridis',
                      font_path='C:/Windows/Fonts/SimHei.ttf')  # 替换为正确的路径

# 根据词频生成词云
wordcloud.generate_from_frequencies(dict(zip(words, frequencies)))

# 显示词云图
plt.figure(figsize=(8, 8), facecolor=None)
plt.imshow(wordcloud)
plt.axis("off")  # 关闭坐标轴
plt.tight_layout(pad=0)
plt.show()

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image  # 用于读取背景图

# 设置背景图路径，确保路径是正确的
background_path = 'Jay.jpg'

# 读取背景图
background = np.array(Image.open(background_path))

# 定义词云图参数
wordcloud = WordCloud(background_color='white', mask=background, contour_color='black',
                      contour_width=1, max_words=2000, max_font_size=60, colormap='viridis',
                      font_path='C:/Windows/Fonts/SimHei.ttf')

# 要生成词云的文本（你需要替换为你自己的文本）    
text = """后视镜里的世界，越来越远的道别
你转身向背，侧脸还是很美
我用眼光去追，竟听见你的泪
在车窗外面徘徊，是我错失的机会
你站的方位，跟我中间隔着泪
街景一直在后退，你的崩溃在窗外零碎
我一路向北，离开有你的季节
你说你好累，已无法再爱上谁
风在山路吹，过往的画面全都是我不对
细数惭愧 我伤你几回，后视镜里的世界
越来越远的道别，你转身向背
侧脸还是很美，我用眼光去追
竟听见你的泪，在车窗外面徘徊
是我错失的机会，你站的方位
跟我中间隔着泪，街景一直在后退
你的崩溃在窗外零碎，我一路向北
离开有你的季节，你说你好累
已无法再爱上谁，风在山路吹
过往的画面全都是我不对
细数惭愧，我伤你几回
我一路向北，离开有你的季节
方向盘周围，回转着我的后悔
我加速超越，却甩不掉紧紧跟随的伤悲
细数惭愧，我伤你几回
停止狼狈，就让错纯粹"""

# 生成词云
wordcloud = wordcloud.generate(text)

# 将词云图转换为图像并显示
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

# 保存词云图到文件
wordcloud.to_file("wordcloud_with_background.png")

import fitz
import os
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from openpyxl import Workbook
import nltk
from nltk.corpus import stopwords

# 下载停用词列表
nltk.download('stopwords')

# 创建存储文本和词云图的文件夹
if not os.path.exists('text'):
    os.makedirs('text')
if not os.path.exists('wordclouds'):
    os.makedirs('wordclouds')

# 提取PDF中的文本到txt文件，并统计词频绘制词云
def extract_text_and_generate_wordcloud(pdf_folder):
    wb = Workbook()
    ws = wb.active
    ws.append(['File Name', 'Word', 'Frequency'])

    # 获取英文停用词列表
    stop_words = set(stopwords.words('english'))

    for pdf_file in os.listdir(pdf_folder):
        if pdf_file.endswith('.pdf'):
            pdf_path = os.path.join(pdf_folder, pdf_file)
            txt_file = os.path.join('text', os.path.splitext(pdf_file)[0] + '.txt')
            word_freq = {}

            # 提取PDF文本到txt文件
            pdf_document = fitz.open(pdf_path)
            text = ''
            for page in pdf_document:
                text += page.get_text()

            with open(txt_file, 'w', encoding='utf-8') as file:
                file.write(text)

            pdf_document.close()

            # 去除停用词
            words = text.split()
            cleaned_words = [word.lower() for word in words if word.isalpha() and word.lower() not in stop_words]

            for word in cleaned_words:
                if word in word_freq:
                    word_freq[word] += 1
                else:
                    word_freq[word] = 1

            for word, freq in word_freq.items():
                ws.append([pdf_file, word, freq])

            wordcloud = WordCloud(width=800, height=400, background_color='white').generate_from_frequencies(word_freq)
            plt.figure(figsize=(10, 5))
            plt.imshow(wordcloud, interpolation='bilinear')
            plt.axis('off')
            plt.title(f'Word Cloud for {pdf_file}')
            plt.savefig(f'wordclouds/wordcloud_{pdf_file[:-4]}.png')  # 保存词云图
            plt.close()

    wb.save('word_frequency.xlsx')  # 保存统计结果到Excel文件

# 使用示例
pdf_folder_path = 'D:\python program\词云图\参考文献'  # 修改为你的PDF文件夹路径
extract_text_and_generate_wordcloud(pdf_folder_path)

#安装R包
install.packages("wordcloud2")
#加载R包
library(wordcloud2)

df1<-demoFreq
df2<-demoFreqC

#基础绘图
wordcloud2(df, #数据
           size=1.5,#字体大小
           fontFamily = 'Segoe UI',#字体
           fontWeight = 'bold',#字体粗细
           color='random-light',#字体颜色设置
           backgroundColor="black"#背景颜色设置
           )

wordcloud2(df2, #数据
           size=1.5,#字体大小
           fontFamily = 'Segoe UI',#字体
           fontWeight = 'bold',#字体粗细
           color='random-light',#字体颜色设置
           backgroundColor="black"#背景颜色设置
           )

wordcloud2(df1, size = 2, minRotation = -pi/6, maxRotation = -pi/6,#文本旋转角度范围
           rotateRatio = 0.5)#文本选择概率

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'star')#改变形状

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'circle')#改变形状

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'cardioid')#改变形状

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'diamond')#改变形状

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'triangle-forward')#改变形状

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'triangle')#改变形状

wordcloud2(df1,size=1.5,color='random-light',backgroundColor="black",
           shape = 'pentagon')#改变形状

import pandas as pd
df = pd.read_excel('数据.xlsx',sheet_name=0,engine='openpyxl')   # 读取excel数据信息
data=pd.DataFrame(index=df['关键词'])                            # 新生成一个DF文件，index为df的index
data['权重']=0     # data生成一个值均为0的列，主要定义这一列为int格式，为下面赋值做准备
# 将df的数据复制到 data中
for i in range(0,len(df)):
    data.iloc[i,0]=df.iloc[i,1]
#
data = data['权重'].sort_values(ascending = False)    # 排序
data = dict(data)     # 生成dict格式数据

import numpy as np
from PIL import Image      # 读取图片的包
from wordcloud import WordCloud,ImageColorGenerator   # 做词云图
import matplotlib.pyplot as plt   # 作图

font_path='F:/教学类材料//SourceHanSansCN-Regular.ttf'

# 读取背景图片
background_Image = np.array(Image.open("枫叶2.jpg"))
# 提取背景图片颜色
img_colors = ImageColorGenerator(background_Image)

#创建画板
plt.figure(figsize=(10,8),dpi=1000)    # 创建画板 ,定义图形大小及分辨率
mask = plt.imread(r"枫叶.jpg")          #自定义背景图片
# 设置词云图相关参数
wc=WordCloud(mask=mask,
             font_path=font_path,
             width=800,height=500,
             scale=2,mode="RGBA",
             background_color='white') 
wc=wc.generate_from_frequencies(data)  # 利用生成的dict文件制作词云图
#根据图片色设置背景色
wc.recolor(color_func=img_colors)

#存储图像
wc.to_file('词云图1.png')

#显示图片
plt.imshow(wc,interpolation="bilinear")
plt.axis("off")
plt.savefig("词云图2.png")