如何在Python中生成保留标点符号的词云？

问题出在WordCloud的默认分词规则上：它默认使用正则表达式 r"\w[\w']+" 提取词汇，这个规则仅保留字母、数字、下划线和单引号，因此冒号、连字符这类标点会被过滤。要让CSV中的完整条目（比如NumVeh:SV、Driver_age:25-44）原样呈现，可通过以下两种方式解决：

方法1：修改WordCloud的regexp参数 #

指定匹配所有非空白字符序列的正则表达式，让每一行的完整内容被当作独立词汇。

修改后的完整代码：

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

# 读取CSV文件（替换为你的文件路径）
df1 = pd.read_csv("your_file.csv")

comment_words = ''
stopwords = set(STOPWORDS)
 
# 遍历内容，直接拼接每个条目（无需split，因为单条目无空格）
for val in df1.CONTENT3:
    val = str(val).lower()
    comment_words += val + " "
 
# 设置regexp参数为r"\S+"，匹配所有非空白字符序列
wordcloud = WordCloud(width = 2000, height = 2000,
                random_state=1, background_color='white', colormap='Set2', collocations=True,
                stopwords = stopwords,
                min_font_size = 10,
                regexp=r"\S+").generate(comment_words)
 
# 绘制词云                      
plt.figure(figsize = (8, 8), facecolor = None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad = 0)
 
plt.show()

方法2：手动统计词频，使用generate_from_frequencies #

这种方式完全规避WordCloud的自动分词逻辑，直接控制每个词汇的出现次数，灵活性更高：

import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS
from collections import Counter

# 读取CSV文件（替换为你的文件路径）
df1 = pd.read_csv("your_file.csv")

# 转换为小写并统计每个条目的出现次数
word_counts = Counter(df1.CONTENT3.str.lower())

# 基于词频生成词云
wordcloud = WordCloud(width = 2000, height = 2000,
                random_state=1, background_color='white', colormap='Set2',
                stopwords = stopwords,
                min_font_size = 10).generate_from_frequencies(word_counts)
 
# 绘制词云                      
plt.figure(figsize = (8, 8), facecolor = None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad = 0)
 
plt.show()

两种方法均可保留CSV中的所有标点符号，让NumVeh:SV、Driver_age:25-44这类完整条目原样出现在词云中。

内容的提问来源于stack exchange，提问作者drtamakloe