在數據分析和自然語言處理中，快速洞察文本中的高頻關鍵詞是一項基礎而重要的任務。無論是用户評論、社交媒體帖子還是新聞文章，將非結構化文本轉化為直觀的視覺呈現（如詞雲）能幫助我們迅速抓住核心主題。本文將帶你使用 Python 從 CSV 文件讀取文本數據，進行清洗與統計，並最終生成一張美觀的詞雲圖。

1. 準備工作：安裝依賴庫

我們需要以下三個關鍵庫：

pip install pandas jieba wordcloud matplotlib
  • pandas：高效讀取和處理 CSV 數據；
  • jieba：優秀的中文分詞工具（若分析英文可省略）；
  • wordcloud：生成詞雲圖像；
  • matplotlib：用於顯示或保存圖像。

💡 若處理英文文本，可跳過 jieba，直接使用空格分詞。

2. 讀取並預處理文本數據

假設我們有一個名為 comments.csv 的文件，包含一列用户評論：

id,comment
1,這個產品真的很好用，強烈推薦！
2,客服態度差，物流也慢。
3,性價比超高，已經回購三次了。

使用 pandas 讀取併合並所有評論：

import pandas as pd

# 讀取CSV
df = pd.read_csv('comments.csv')

# 合併所有評論為一個長字符串
all_text = ' '.join(df['comment'].astype(str))
print(f"共加載 {len(df)} 條評論")

3. 中文分詞與停用詞過濾

中文不能像英文那樣按空格切分，需使用 jieba 進行分詞，並移除無意義的“停用詞”（如“的”、“了”、“很”）：

import jieba

# 加載停用詞表（可自定義）
stop_words = set(['的', '了', '在', '是', '我', '你', '和', '就', '都', '很', '也', '有', '不', '説'])

# 分詞
words = jieba.lcut(all_text)

# 過濾停用詞和單字
filtered_words = [
    word for word in words 
    if len(word) > 1 and word not in stop_words and word.isalpha()
]

# 統計詞頻
from collections import Counter
word_counts = Counter(filtered_words)
print("Top 10 高頻詞：", word_counts.most_common(10))

輸出示例：

Top 10 高頻詞：[('產品', 12), ('推薦', 8), ('客服', 6), ('物流', 5), ...]

4. 生成詞雲圖

使用 wordcloud 庫將詞頻數據可視化：

from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 創建詞雲對象
wc = WordCloud(
    font_path='simhei.ttf',      # 中文字體路徑（Windows可用'simhei.ttf'，macOS需指定完整路徑）
    background_color='white',
    width=800,
    height=600,
    max_words=100,
    colormap='viridis'
)

# 從詞頻字典生成詞雲
wc.generate_from_frequencies(word_counts)

# 顯示圖像
plt.figure(figsize=(10, 8))
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')  # 隱藏座標軸
plt.title('用户評論關鍵詞詞雲', fontsize=16)
plt.show()

# 保存到文件
wc.to_file('wordcloud.png')
print("✅ 詞雲已保存為 wordcloud.png")

⚠️ 字體問題：若詞雲顯示方框，請確保 font_path 指向有效的中文字體文件。在 macOS 上可使用 /System/Library/Fonts/PingFang.ttc。

5. 完整流程整合

將上述步驟封裝為一個函數：

def csv_to_wordcloud(csv_file, text_column, output_image='wordcloud.png'):
    df = pd.read_csv(csv_file)
    all_text = ' '.join(df[text_column].astype(str))
    
    words = jieba.lcut(all_text)
    filtered = [w for w in words if len(w) > 1 and w not in stop_words and w.isalpha()]
    
    wc = WordCloud(font_path='simhei.ttf', background_color='white').generate(' '.join(filtered))
    
    plt.imshow(wc, interpolation='bilinear')
    plt.axis('off')
    plt.savefig(output_image, dpi=300, bbox_inches='tight')
    print(f"🎉 詞雲已生成：{output_image}")

調用：

csv_to_wordcloud('comments.csv', 'comment', 'my_cloud.png')

6. 擴展與優化建議

  • 自定義停用詞表：從文件加載更全面的停用詞；
  • 情感分析結合：對正面/負面評論分別生成詞雲；
  • 形狀詞雲：使用 mask 參數生成心形、logo 形狀的詞雲；
  • 英文支持：若處理英文，可直接用 text.split() 分詞，並設置 WordCloud(stopwords=STOPWORDS)。

從原始 CSV 到一張信息豐富的詞雲圖，整個過程僅需幾十行 Python 代碼。這種“文本 → 詞頻 → 可視化”的分析範式，適用於輿情監控、產品反饋分析、內容摘要等多種場景。掌握這一技能，你便擁有了將海量文字轉化為直觀洞察的利器。現在，就用你的數據，生成第一張屬於自己的詞雲吧！