如何基于含社区出现频次的DataFrame生成不拆分多词社区的词云？

嘿，你的问题出在把整个DataFrame转成字符串传给WordCloud的generate()方法上——这个方法会默认按空格、标点等拆分所有文本，自然就把"Neos Kosmos"这类多词名称拆成独立单词统计了。

要让多词社区名作为整体出现在词云里，我们需要直接给WordCloud传入**{社区名: 频次}的字典**，用generate_from_frequencies()方法来生成词云，具体步骤如下：

修正后的完整代码 #

from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt

# 假设你的DataFrame是df，先把它转换成{社区名: 频次}的字典
neighbourhood_freq = df.set_index('neighbourhood')['value'].to_dict()

# 用generate_from_frequencies替代generate，传入字典
wordcloud = WordCloud(
    width=3000,
    height=2000,
    background_color='white',
    stopwords=STOPWORDS
).generate_from_frequencies(neighbourhood_freq)

fig = plt.figure(figsize=(10, 30), facecolor='k', edgecolor='k')
plt.imshow(wordcloud, interpolation='nearest')
plt.axis('off')
plt.tight_layout(pad=0)
plt.show()

关键说明 #

• df.set_index('neighbourhood')['value'].to_dict()：这一步把你的DataFrame转换成了符合要求的字典结构，比如你的示例数据会变成：

  {
      'Plaka': 1216,
      'Neos Kosmos': 952,
      'Koukaki': 883,
      'Pangrati': 683,
      'Kolonaki': 650,
      'Akadimia Platonos': 555
  }
  

• generate_from_frequencies()：这个方法会直接使用字典里的键值对，把每个键（完整社区名）作为一个独立的“词”，按对应的值（频次）来决定词云里的字号大小，完美解决拆分问题。

这样生成的词云里，"Neos Kosmos"、"Akadimia Platonos"就会作为完整的名称显示，不会被拆分开啦～

内容的提问来源于stack exchange，提问作者TuMama