本文展示如何用 Python 從之前生成的詞頻 Excel 文件中讀取詞頻數據，結合 wordcloud 和背景圖，批量生成直觀美觀的詞云圖。適用于文本分析、內容展示、報告可視化等場景。

---

📂 第一步：讀取所有 Excel 詞頻文件

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

• 利用 os.listdir() 遍歷詞頻 Excel 文件；

• 使用 background.png 作為詞云背景形狀。

---

📈 第二步：逐文件讀取詞頻并生成詞云

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)}

將每張 Excel 轉為 dict[word] = freq，為下一步驟做準備。

---

🖌 第三步：用 mask 圖生成詞云并保存

    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"詞云圖/{basename}.png")plt.imshow(wc)plt.axis('off')plt.show()

• generate_from_frequencies() 直接基于詞頻生成詞云，是推薦方式 Kaggle+15Medium+15topcoder.com+15；

• 傳入 maskImage 時詞云會按背景形狀生成 GitHub+1Medium+1；

• font_path 設置常用中文黑體避免亂碼；

• to_file() 將結果保存為 PNG，同時用 matplotlib 展示。

---

🖼? 結果展示區

---

? 小結與注意事項

• 使用 generate_from_frequencies() 避免文本分詞誤差 holisticseo.digital；

• mask 圖需確保背景為白色（RGB 255），否則可能形狀識別失敗 Stack Overflow；

• 可以優化方式包括：

  • 使用 ImageColorGenerator 從背景圖提取配色 GitHub+7peritract.github.io+7Stack Overflow+7；

  • 添加 contour_color 與 contour_width 增加外輪廓；

  • 控制詞云尺寸、scale 參數提升清晰度；

  • 自定義停詞集排除無用詞。

??更多實用案例，代碼，素材如下：

自取鏈接：https://pan.quark.cn/s/a46f30accea2

---

🔧 拓展建議

• 🎨 自定義顏色對特定主題關鍵詞加亮；

• 💾 批量處理大量文本并生成詞云合集；

• 📊 結合 wordcloud.to_image() 和 GUI 打包；

• 📘 不僅限詞頻表，還可以直接用原文生成更靈活多彩的詞云。

---

通過這套流程，你已掌握從 Excel 到詞云圖的全鏈路自動化方法！如果你還想支持 PDF 特征提取詞云、生成 html 可嵌入圖像，或集成到報表系統里，歡迎繼續告訴我，我可以為你定制更深入的文章或腳本。

?

?

?

?

?