本文展示如何用 Python 从之前生成的词频 Excel 文件中读取词频数据，结合 wordcloud 和背景图，批量生成直观美观的词云图。适用于文本分析、内容展示、报告可视化等场景。

---

📂 第一步：读取所有 Excel 词频文件

import os
from openpyxl import load_workbook
import numpy as np
from PIL import Image
import wordcloud
import matplotlib.pyplot as pltpath = '词频'
files = [os.path.join(path, f) for f in os.listdir(path)]
maskImage = np.array(Image.open('background.png'))

• 利用 os.listdir() 遍历词频 Excel 文件；

• 使用 background.png 作为词云背景形状。

---

📈 第二步：逐文件读取词频并生成词云

for file in files:wb = load_workbook(file)ws = wb.activewordFreq = {ws[f"A{i}"].value: ws[f"B{i}"].valuefor i in range(2, ws.max_row + 1)}

将每张 Excel 转为 dict[word] = freq，为下一步骤做准备。

---

🖌 第三步：用 mask 图生成词云并保存

    wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/simhei.ttf',mask=maskImage,max_words=500,max_font_size=100)wc.generate_from_frequencies(wordFreq)basename = os.path.splitext(os.path.basename(file))[0][:4]wc.to_file(f"词云图/{basename}.png")plt.imshow(wc)plt.axis('off')plt.show()

• generate_from_frequencies() 直接基于词频生成词云，是推荐方式 Kaggle+15Medium+15topcoder.com+15；

• 传入 maskImage 时词云会按背景形状生成 GitHub+1Medium+1；

• font_path 设置常用中文黑体避免乱码；

• to_file() 将结果保存为 PNG，同时用 matplotlib 展示。

---

🖼️ 结果展示区

---

✅ 小结与注意事项

• 使用 generate_from_frequencies() 避免文本分词误差 holisticseo.digital；

• mask 图需确保背景为白色（RGB 255），否则可能形状识别失败 Stack Overflow；

• 可以优化方式包括：

  • 使用 ImageColorGenerator 从背景图提取配色 GitHub+7peritract.github.io+7Stack Overflow+7；

  • 添加 contour_color 与 contour_width 增加外轮廓；

  • 控制词云尺寸、scale 参数提升清晰度；

  • 自定义停词集排除无用词。

  更多实用案例，代码，素材如下：

自取链接：https://pan.quark.cn/s/a46f30accea2

---

🔧 拓展建议

• 🎨 自定义颜色对特定主题关键词加亮；

• 💾 批量处理大量文本并生成词云合集；

• 📊 结合 wordcloud.to_image() 和 GUI 打包；

• 📘 不仅限词频表，还可以直接用原文生成更灵活多彩的词云。

---

通过这套流程，你已掌握从 Excel 到词云图的全链路自动化方法！如果你还想支持 PDF 特征提取词云、生成 html 可嵌入图像，或集成到报表系统里，欢迎继续告诉我，我可以为你定制更深入的文章或脚本。