简介：面向文本挖掘与数据可视化初学者及中级 Python 用户的词云实战教程，围绕个性化词云生成流程展开，帮助解决中文文本可视化、关键词呈现与报告演示中的落地问题。压缩包含 1 个 PDF，大小约 2.07MB，内容按概念、库用法、环境配置与 7 个案例组织，从最简调用、中文不分词与分词处理，延伸到蒙版形状、自定义配色、关键词及权重提取等进阶做法，并配有代码示例与运行结果。已有 109 人学习，适合在项目报告、数据分析、社交媒体监控或教学场景中按案例复现，读者可掌握 wordcloud 与 matplotlib 的配合方式，理解文本预处理、权重计算、词云生成及保存展示的完整链路，也能参考教程给出的环境版本快速上手。

1. 需求切入：从一段文本到一张能交作业的词云图

要把一段中文文本变成能放进报告里的词云图，很多人的第一反应是找一份 Python 词云完整教程，最好带 7 个案例，能直接照着跑。作为一份 python 课程资源，这套材料最有价值的地方不是“生成一张图”四个字，而是把最简调用、中文不分词、中文分词、蒙版形状、蒙版颜色、自定义颜色函数、关键词权重七个台阶排成了一条可复现的路线。

词云看着像视觉活，实际是文本预处理和参数控制的活：字体路径错一个字符，中文全变方块；分词少一个空格，词频统计直接失真；蒙版背景不是纯白，形状就变成一块矩形。

这份方案适合需要交课程设计、做数据分析报告、给社团活动做展示的人，也适合想快速摸清 wordcloud 参数的开发者。后面按环境基线、案例递进、关键实现、避坑排查、验收答辩展开。

2. 环境与依赖设计：Python 3.7 与 wordcloud 1.9.3 的复现基线

词云项目的第一个交付物不是图片，而是一套别人能复现的环境。课程资源里最容易省掉的就是版本说明，结果同一段代码在别人机器上跑出方块字、报 PIL 兼容错误，或者 jieba 分词结果跟演示图对不上。这套教程给的是 Python 3.7、wordcloud 1.9.3、matplotlib 3.5.3、PyCharm 编辑器，版本不算新，但组合稳定，适合做课程设计底稿。我一般会把版本写进requirements.txt，再配一个最小冒烟脚本，先确认环境能出图，再谈蒙版和配色。

2.1 版本基线与目录结构

先把目录定下来，后面七个案例都往同一个结构里放，避免代码里到处出现../猜路径。建议按“数据、字体、蒙版、输出、脚本”分开放，路径少一层，调试时少一堆 FileNotFoundError。

版本基线建议这样理解：Python 3.7 是教程给出的运行环境，不是唯一选择；wordcloud 1.9.3 和 matplotlib 3.5.3 是这套案例验证过的组合。新手最容易踩的坑是只装 wordcloud 不装 pillow 和 numpy，结果蒙版案例一跑就报模块缺失。jieba 负责中文分词和关键词权重，Pillow 负责读蒙版图，numpy 负责把图片转成数组，四个依赖要一起装。

2.2 安装命令与最小冒烟测试

安装不用追求最新版，先按教程版本走。虚拟环境能少污染系统 Python，PyCharm 里新建项目时直接把解释器指到venv就行。

# 在项目根目录创建虚拟环境 python -m venv venv # macOS / Linux 激活 source venv/bin/activate # Windows 激活 # venv\Scripts\activate # 按教程版本安装核心依赖 pip install wordcloud==1.9.3 matplotlib==3.5.3 jieba pillow numpy

这段命令的逻辑是先隔离环境，再装词云、绘图、分词、图像读取和数组处理五个依赖。wordcloud==1.9.3固定版本，避免新版参数行为差异；matplotlib==3.5.3跟教程展示代码一致；jieba不锁小版本，中文分词接口稳定；pillow和numpy不写版本，让 pip 按 Python 3.7 选兼容版本。安装完不要急着跑七个案例，先做一个最小冒烟测试。

# smoke_test.py # 最小验证：不读文件、不用中文、不设蒙版，只确认 wordcloud 能出图 from wordcloud import WordCloud wc = WordCloud(width=400, height=200, background_color="white") wc.generate("python word cloud smoke test") wc.to_file("output/smoke.png") print("smoke ok")

这段代码只做一件事：用英文短语生成一张小图。width和height控制画布尺寸，background_color设白色背景，generate接收原始文本，to_file输出 png。跑通后看output/smoke.png是否存在，存在就说明 wordcloud、Pillow、numpy 的链路通了。如果这一步就报错，先别改中文参数，回头查依赖安装顺序和 Python 解释器是不是 PyCharm 当前选中的那个。

提示：PyCharm 里经常出现“终端装好了、运行还是 ModuleNotFoundError”，多半是项目解释器和终端虚拟环境不是同一个，先看右下角解释器路径。

2.3 参数默认值与第一次改参的顺序

wordcloud 的参数很多，第一次改参不要从颜色函数开始，先把“能不能出词、词大不大、中文显不显示”三件事控制住。下面这几个参数是七个案例里复用频率最高的。

第一次改参的顺序我一般这样走：先固定font_path，再调width/height，然后加max_words，最后才动relative_scaling和颜色。因为字体错是硬错误，尺寸错是布局问题，词数错是信息密度问题，颜色只是表现层。顺序反过来，出了方块字还以为是配色函数写坏了，排查成本翻倍。

3. 七个案例的递进设计：从最简调用到关键词权重

七个案例不是七个孤立 demo，而是一条从“能出图”到“可控出图”的路线。案例 01 只验证库调用；案例 02 用中文不分词做对照，让人看到不分词的后果；案例 03 引入 jieba，把中文文本切成词；案例 04 到 06 逐层加蒙版形状、蒙版颜色、自定义颜色函数；案例 07 用jieba.analyse.extract_tags提取关键词和权重，再走generate_from_frequencies。这条路线的好处是每一层只增加一个变量，答辩时被问“为什么这个词大”能顺着案例讲清楚。

3.1 案例分组与依赖边界

先看七个案例各自解决什么问题，避免一上来就堆蒙版和颜色，结果连基础词频都没跑通。

这张表建议直接放进课程设计的需求说明里。案例 02 容易被误解成“中文也能跑”，其实它只是把不分词的文本丢给 WordCloud，默认按空格和正则切分，中文长句很容易被当成一个大块，词云看着有字，但频率信息已经失真。案例 03 才是中文场景的起点。

3.2 案例 01 到 03：先跑通，再做中文对照

案例 01 的代码最短，价值在于把“读文本、生成对象、显示、保存”四步拆开。很多教程把显示和保存混在一起，出图失败时分不清是生成失败还是保存失败。

# case01_minimal.py # 最简调用：英文文本，不设字体，不设蒙版 from wordcloud import WordCloud import matplotlib.pyplot as plt # 读取同目录下的文本，确保文件编码为 UTF-8 text = open("data/constitution.txt", encoding="utf-8").read() # 生成词云对象，先用默认参数 wc = WordCloud().generate(text) # 显示：bilinear 让缩放更平滑，axis off 去掉坐标轴 plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() # 保存到 output 目录，方便答辩时直接拿图 wc.to_file("output/case01_wordcloud.png")

这段代码的逻辑是“读、生成、显示、保存”。WordCloud()不传参数时用默认画布和默认字体，适合英文；generate(text)内部会做分词和词频统计；plt.imshow只负责展示，wc.to_file才是落盘。参数上先不用调，跑通后看输出图里单词大小是否跟词频大致对应，如果全是小词，再考虑调max_font_size或relative_scaling。

案例 02 用中文文本，但不做分词，只加字体和透明背景。它的作用是让人直观看到“中文不分词”长什么样，不是让你直接交作业。

# case02_chinese_no_segment.py # 中文不分词：只加字体和透明背景，用来做对照 from wordcloud import WordCloud import matplotlib.pyplot as plt with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() # font_path 必须指向真实存在的中文字体文件 wc = WordCloud( font_path="fonts/Hiragino.ttf", width=800, height=600, mode="RGBA", background_color=None, ).generate(text) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/case02_no_segment.png")

这里新增了三个参数：font_path解决中文显示，mode="RGBA"支持透明通道，background_color=None让背景透明。注意font_path是硬路径，文件不存在会直接报错或回退到默认字体，中文就成方块。案例 02 的输出通常会出现大块连续文本或词边界模糊，这正是案例 03 要解决的问题。

案例 03 引入 jieba，把中文长句切成词，再用空格拼回去。WordCloud 默认按空格分词，所以" ".join(jieba.cut(text))这一步不能省。

# case03_chinese_segment.py # 中文分词：jieba 切词后用空格连接，再交给 WordCloud from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() # jieba.cut 返回生成器，必须用空格拼成字符串 text = " ".join(jieba.cut(text)) print(text[:100]) # 打印前 100 个字符，检查分词是否正常 wc = WordCloud( font_path="fonts/Hiragino.ttf", width=800, height=600, mode="RGBA", background_color=None, ).generate(text) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/case03_segment.png")

这段代码的关键是jieba.cut(text)返回的是生成器，直接传给 WordCloud 不行，必须" ".join(...)变成空格分隔的字符串。print(text[:100])是调试手段，看一眼前 100 个字符有没有被切成“孙悟空 师徒 取经”这类词块。如果打印出来还是长句，说明 jieba 没装好或文本编码不对。参数上，jieba.cut默认精确模式，课程设计够用；要召回更多长词可以换搜索引擎模式，但词云会更密，建议先精确模式出基线图。

3.3 案例 04 到 06：蒙版形状、蒙版颜色和自定义颜色

蒙版案例是词云从“图”变成“视觉物料”的分水岭，也是最容易翻车的地方。案例 04 只加形状，案例 05 从蒙版图取色，案例 06 自己写颜色函数，三层递进，每层只多一个变量。

# case04_mask_shape.py # 蒙版形状：用黑白蒙版限制词云轮廓 from wordcloud import WordCloud from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() text = " ".join(jieba.cut(text)) # 蒙版图：形状区域非白，背景纯白；转成 numpy 数组 mask = np.array(Image.open("masks/black_mask.png")) wc = WordCloud( mask=mask, font_path="fonts/Hiragino.ttf", mode="RGBA", background_color=None, ).generate(text) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/case04_mask_shape.png")

这段代码新增mask参数，PIL.Image.open读图，np.array转数组。蒙版图的规则通常是：要填词的形状区域用黑色或深色，背景用纯白；WordCloud 会把白色区域当成不填词的背景。如果蒙版背景是浅灰或带渐变，形状边缘会糊，甚至整张图变成矩形。参数上，给了mask后width/height不再主导画布，输出尺寸跟蒙版像素相关，蒙版太大跑得慢，建议先缩到 800 到 1200 像素宽再试。

案例 05 在蒙版基础上加ImageColorGenerator，从蒙版图里取颜色，让词的颜色跟原图主色一致。

# case05_mask_color.py # 蒙版颜色：从彩色蒙版图中提取颜色 from wordcloud import WordCloud, ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() text = " ".join(jieba.cut(text)) mask = np.array(Image.open("masks/color_mask.png")) wc = WordCloud( mask=mask, font_path="fonts/Hiragino.ttf", mode="RGBA", background_color=None, ).generate(text) # 从蒙版图生成颜色映射，再重着色 image_colors = ImageColorGenerator(mask) wc.recolor(color_func=image_colors) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/case05_mask_color.png")

这里的逻辑是先用蒙版生成词云，再用ImageColorGenerator(mask)建颜色生成器，wc.recolor(color_func=image_colors)按蒙版对应位置取色。参数上，mask同时承担形状和颜色来源，所以彩色蒙版不能随便换，换图就等于换配色。recolor要在generate之后调用，顺序反了不生效。案例 05 的输出通常比案例 04 更接近海报，但颜色会受蒙版局部色块影响，出现某些词颜色太浅，这时才需要案例 06 的自定义颜色函数。

案例 06 完全自己控制颜色，适合固定色系或做随机但可控的配色。

# case06_custom_color.py # 自定义颜色函数：返回 hsl 颜色字符串 from wordcloud import WordCloud from PIL import Image import numpy as np import matplotlib.pyplot as plt import random import jieba with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() text = " ".join(jieba.cut(text)) def random_color(word, font_size, position, orientation, font_path, random_state): # 色相固定为 0，饱和度和亮度在 60% 到 80% 之间随机 return "hsl(0, %d%%, %d%%)" % ( random.randint(60, 80), random.randint(60, 80), ) mask = np.array(Image.open("masks/color_mask.png")) wc = WordCloud( color_func=random_color, mask=mask, font_path="fonts/Hiragino.ttf", mode="RGBA", background_color=None, ).generate(text) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/case06_custom_color.png")

颜色函数的签名必须按word, font_size, position, orientation, font_path, random_state来写，返回值要是 matplotlib 能解析的颜色字符串，比如hsl(...)、#RRGGBB或英文颜色名。这段代码把色相固定在红色系，饱和度和亮度随机，适合做单一主色的活动图。参数上，random.randint(60, 80)的范围控制颜色深浅，调低会更暗，调高会更亮；如果想让颜色跟词频走，可以在函数里用font_size做分支，但别写太复杂，否则每次生成都像开盲盒。

3.4 案例 07：关键词权重与generate_from_frequencies

案例 07 是整套教程里最像“文本挖掘”的一步。前面案例都是把分词后的文本丢给 WordCloud 让它自己算词频，案例 07 先用jieba.analyse.extract_tags提关键词和权重，再用generate_from_frequencies按权重生成。

# case07_keyword_weight.py # 关键词权重：jieba 提词和权重，WordCloud 按权重生成 from wordcloud import WordCloud, ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba.analyse with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() # topK 控制关键词数量，withWeight=True 返回 (词, 权重) freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True) print(freq[:20]) # 检查前 20 个关键词和权重 # 转成 WordCloud 需要的字典格式 freq = {i[0]: i[1] for i in freq} mask = np.array(Image.open("masks/color_mask.png")) wc = WordCloud( mask=mask, font_path="fonts/Hiragino.ttf", mode="RGBA", background_color=None, ).generate_from_frequencies(freq) image_colors = ImageColorGenerator(mask) wc.recolor(color_func=image_colors) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/case07_keyword_weight.png")

这段代码的关键是extract_tags(text, topK=200, withWeight=True)返回列表，元素是(词, 权重)，必须转成{词: 权重}字典再传给generate_from_frequencies。topK控制关键词数量，200 是教程给的起点；调小会让图更聚焦，调大权重会扁平，重点词不突出。withWeight=True不能省，否则只有词没有权重，generate_from_frequencies拿不到大小依据。案例 07 适合做主题分析页，答辩时能解释“这个词大不是因为出现次数多，而是因为 TF-IDF 权重高”，比单纯说词频更有说服力。

4. 关键实现拆解：分词、蒙版、配色与输出参数

七个案例跑通后，真正决定交付质量的是四个实现点：分词和停用词、蒙版和尺寸、颜色函数、输出和展示。这四个点每个都有参数可调，也都有失败表现。我的习惯是每个点单独写一个小脚本，改一个参数看一次输出，不在一张图上同时改五个变量，否则出了问题连后悔药都没地方买。

4.1 分词与停用词：让词云里的词像“词”

中文词云最常见的问题不是图不好看，而是图上飘着“的、了、在、是”这些高频虚词，真正的主角被挤到角落。jieba 只负责切词，不负责去停用词，停用词表要自己加。

# segment_with_stopwords.py # 分词后过滤停用词，再拼成空格分隔字符串 import jieba with open("data/xyj.txt", "r", encoding="utf-8") as f: text = f.read() # 停用词按行放，实际项目可换成更完整的表 stopwords = set() with open("data/stopwords.txt", "r", encoding="utf-8") as f: for line in f: stopwords.add(line.strip()) words = [] for word in jieba.cut(text): word = word.strip() # 过滤空串、单字和停用词；单字是否保留看场景 if len(word) > 1 and word not in stopwords: words.append(word) text = " ".join(words) print(text[:200])

这段代码的逻辑是“切词、清洗、拼接”。stopwords用集合，查找比列表快；len(word) > 1过滤单字，中文里“的”“了”大多是单字，但人名地名也可能是单字，课程设计里先过滤单字能明显提升可读性；word not in stopwords去掉停用词。参数上，停用词表不要用英文表直接套中文，也不要把“不”“无”这类否定词随便删掉，做情感分析时会改变语义。停用词表建议单独放data/stopwords.txt，答辩时能说明“这张图去掉了 30 个停用词”，比说“调了参数”更具体。

4.2 蒙版与尺寸：形状由蒙版决定，清晰度由画布决定

蒙版不是随便找一张图就能用。WordCloud 把蒙版里白色区域当背景，非白区域填词，所以蒙版图要先处理成“形状区域深色、背景纯白”。如果原图是透明背景 png，读进来 alpha 通道可能让数组变成四通道，形状判断会出问题。

# prepare_mask.py # 把蒙版统一处理成 RGB 白底图，避免透明通道干扰 from PIL import Image import numpy as np img = Image.open("masks/source_mask.png").convert("RGB") # 如果背景不是纯白，可以按阈值二值化：浅色变白，深色保留 arr = np.array(img) # 亮度大于 240 的像素视为背景，统一刷白 brightness = arr.mean(axis=2) arr[brightness > 240] = [255, 255, 255] Image.fromarray(arr).save("masks/black_mask.png") print(arr.shape)

这段代码先convert("RGB")去掉 alpha 通道，再按亮度阈值把浅色背景刷白。arr.mean(axis=2)算每个像素三通道平均值，brightness > 240是经验阈值，背景偏灰时调到 220 或 230；arr[brightness > 240] = [255, 255, 255]把背景统一成纯白。输出arr.shape能看到(高, 宽, 3)，高宽就是蒙版尺寸。蒙版太大时词云跑得慢，建议先缩到 1000 像素宽以内；蒙版太小词会挤，max_words要相应调低。注意width/height和mask同时给时，以蒙版尺寸为主，别再手动设画布，否则容易出白边。

4.3 颜色函数与 ImageColorGenerator：配色要可解释

颜色这块有两个选择：用ImageColorGenerator从蒙版取色，或者写color_func自己控制。前者适合“图里有主视觉”的场景，后者适合“固定品牌色”或“按词频分色”的场景。两条路不要混着调，先选一条跑通。

# color_by_frequency.py # 按词频字号分色：高频词深色，低频词浅色 from wordcloud import WordCloud import matplotlib.pyplot as plt text = "python data text cloud visual analysis report" wc = WordCloud(width=800, height=400, background_color="white").generate(text) def color_by_size(word, font_size, position, orientation, font_path, random_state): # font_size 越大，颜色越深；这里用灰度做演示 gray = max(0, 180 - int(font_size * 2)) return "rgb(%d, %d, %d)" % (gray, gray, gray) wc.recolor(color_func=color_by_size) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/color_by_frequency.png")

这段代码用font_size反推灰度，字号越大灰度越低，颜色越深。max(0, 180 - int(font_size * 2))防止灰度变负；rgb(...)返回 matplotlib 能解析的字符串。参数上，font_size是 WordCloud 传进来的字号，不是词频，但字号通常跟权重正相关，拿来做分色够用。recolor要在generate之后调用，且color_func签名不能少参数。如果颜色函数返回None或格式不对，词会变黑或直接报错，这是常见翻车点。

4.4 输出与展示：to_file和plt.show各管一段

展示和保存分开写，答辩时少一类“图呢”的问题。plt.show()只在交互环境弹窗，wc.to_file()才是落盘。要控制输出分辨率，优先调width/height或scale，不要指望plt.savefig救场。

# output_control.py # 输出控制：高分辨率保存，展示用低分辨率预览 from wordcloud import WordCloud import matplotlib.pyplot as plt text = "python word cloud output resolution control" wc = WordCloud( width=1600, height=1000, scale=2, # 实际输出像素 = width*scale, height*scale background_color="white", max_words=150, ).generate(text) plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.show() wc.to_file("output/high_res.png") print(wc.width, wc.height) # 看实际画布尺寸

scale=2会把输出像素放大两倍，适合打印或放 PPT；width/height控制基础画布，max_words控制信息密度。print(wc.width, wc.height)能看到最终尺寸，避免“看着清楚、导出糊了”。参数上，scale太大会吃内存，1600×1000 再乘 2 已经够课程设计用；背景色用"white"比透明背景更稳，透明背景在 Word 里贴图容易变黑底，这是很多人答辩前才发现的坑。

5. 避坑与排查：字体、编码、蒙版和权重的四条高频翻车线

词云项目的错误表现很直观：方块字、整张图空白、形状不对、颜色全黑。每个现象背后通常只有一个原因，按“现象 → 原因 → 解决”排查，比盲目改参数快得多。下面四条是这套七个案例里最容易翻车的地方，每条都建议在交付前跑一遍。

5.1 中文全变方块：font_path没指对或字体不支持

现象：词云能生成，但所有中文都是方框，英文正常。

原因：WordCloud 默认字体不含中文字形，font_path没传、路径写错、字体文件损坏，都会回退到默认字体。路径里带中文或空格时，Windows 上还可能被截断。

解决：把字体文件放进fonts/，用相对路径或绝对路径都行，先确认文件存在。可以在代码里加一行import os; print(os.path.exists(font_path))。字体选择上，教程用Hiragino.ttf，你本机没有就换系统里有的中文字体文件，不要写一个不存在的文件名硬跑。

注意：字体文件不要用中文名，比如“微软雅黑.ttf”改成msyh.ttf，少一层编码问题。

5.2 中文词云像一锅粥：分词后没加空格

现象：中文能显示，但图上是一大段连续文字，或者词边界完全不对，词频统计没有意义。

原因：WordCloud 默认按空格和正则切词，jieba.cut(text)返回的是生成器，直接传给generate不会自动变成空格分隔字符串。案例 02 就是故意展示不分词的效果，不能拿它当生产代码。

解决：固定写text = " ".join(jieba.cut(text))，并在生成前print(text[:100])检查前 100 个字符。如果打印出来是“孙悟空师徒四人”，说明没空格；是“孙悟空 师徒 四人”，才说明分词结果被正确拼接。停用词过滤放在拼接之前，顺序别反。

5.3 蒙版形状不生效：背景不纯白或透明通道干扰

现象：明明给了蒙版，输出还是矩形，或者形状边缘被啃掉一块。

原因：WordCloud 把蒙版白色区域当背景，非白区域填词。蒙版背景是浅灰、渐变或透明 png 时，数组里没有纯白，形状判断就乱了。四通道 RGBA 图直接转数组，也可能让 WordCloud 读错通道。

解决：先用Image.open(...).convert("RGB")去掉 alpha，再按亮度阈值把浅色背景刷成纯白，参考 4.2 的prepare_mask.py。蒙版尺寸不要太大，先缩到 1000 像素宽以内试跑。形状区域用深色，背景用纯白，别用浅灰背景配深色形状，边缘会毛。

5.4 关键词权重不生效：字典格式或withWeight漏了

现象：案例 07 跑出来跟案例 03 差不多，或者直接报TypeError，说权重不是数字。

原因：jieba.analyse.extract_tags默认返回词列表，不加withWeight=True就没有权重；返回的是(词, 权重)元组列表，不转成{词: 权重}字典，generate_from_frequencies不认。

解决：固定写freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True)，然后freq = {i[0]: i[1] for i in freq}。生成时用generate_from_frequencies(freq)，不要再用generate(text)。topK先 200，图太密就降到 100，图太空就升到 300，但权重会越来越平，重点词反而不突出。停用词要在提关键词之前过滤，否则“的”可能拿到高权重。

6. 验收与答辩：用三张图和一份参数表讲清方案

词云项目的验收不看“好不好看”这一句主观评价，而看能不能复现、能不能解释、能不能替换数据。我一般准备三张图：一张基础分词图、一张蒙版形状图、一张关键词权重图。三张图分别对应“文本预处理”“视觉控制”“文本挖掘”三个能力点，答辩时按这个顺序讲，老师或评审顺着听就知道你不是只跑了一个 demo。

6.1 验收清单与答辩讲法

验收时先跑一遍环境，再看输出文件是否齐全，最后用参数表解释每个图的差异。下面这张表可以直接当答辩提纲。

答辩讲法上，不要从“词云是什么”开始，直接从一张图切入：“这张图里‘孙悟空’最大，是因为它在分词后词频最高；这张蒙版图里词沿轮廓分布，是因为mask参数把白色背景排除了；这张关键词图里‘取经’变大，是因为extract_tags给了它更高的 TF-IDF 权重。”三句话分别对应数据、视觉、算法，评审再问也跑不出这个范围。

如果被问“为什么不用最新版本”，就答“教程验证组合是 1.9.3 + 3.5.3，课程设计优先复现稳定，不追新”；被问“蒙版为什么不用彩色图直接上”，就答“彩色图先转 RGB 并刷白背景，避免透明通道干扰形状判断”；被问“词云有什么局限”，就答“它展示频率和权重，不展示语法关系，所以适合做入口图，不适合替代完整文本分析”。这些回答都不需要临场编，提前写进备注即可。

从那以后我每次交词云方案，都强制先跑一遍最小案例，再固定字体路径和输出目录，最后才动蒙版和颜色。希望帮到你。

本文还有配套的精品资源，点击获取