揭秘微博年度热点：Python 爬取热搜关键词并制作词云图

import pandas as pd
import jieba

def clean_and_count_keywords(csv_path):
    """
    清洗热搜数据并统计关键词频次
    :param csv_path: 爬取的热搜数据CSV文件路径
    :return: 词频字典 {关键词: 出现次数}
    """
    # 读取CSV文件
    df = pd.read_csv(csv_path, encoding="utf-8-sig")
    
    # 1. 去重：按关键词和日期去重（避免同一天重复爬取同一热搜）
    df = df.drop_duplicates(subset=["date", "keyword"], keep="first")
    
    # 2. 合并所有关键词为一个字符串，便于分词和统计
    all_keywords = " ".join(df["keyword"].tolist())
    
    # 3. 中文分词（针对长文本热搜，如"XX事件最新进展"，提取核心词"XX事件"）
    seg_list = jieba.lcut(all_keywords)
    # 过滤停用词和短字符（如单个字、标点）
    stop_words = ["的", "了", "在", "是", "我", "有", "都", "就", "和", "为"]  # 可扩展停用词表
    filtered_seg = [word for word in seg_list if len(word) > 1 and word not in stop_words]
    
    # 4. 统计词频
    word_freq = {}
    for word in filtered_seg:
        word_freq[word] = word_freq.get(word, 0) + 1
    
    # 按词频降序排序
    sorted_word_freq = sorted(word_freq.items(), key=lambda x: x[1], reverse=True)
    print("词频TOP10：")
    for word, freq in sorted_word_freq[:10]:
        print(f"{word}: {freq}次")
    
    return dict(sorted_word_freq)

# 执行数据清洗和词频统计
word_freq_dict = clean_and_count_keywords("weibo_hot_search_2025.csv")

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
def generate_wordcloud(word_freq, mask_path=None):
    """
    生成词云图
    :param word_freq: 词频字典
    :param mask_path: 词云形状蒙版图片路径（可选）
    """
    # 设置词云参数
    wc = WordCloud(
        font_path="simhei.ttf",  # 必须指定中文字体，否则乱码（Windows系统simhei.ttf，Mac用Arial Unicode.ttf）
        width=1000,
        height=600,
        background_color="white",  # 背景色
        max_words=200,  # 显示最多200个关键词
        max_font_size=150,  # 最大字体大小
        mask=np.array(Image.open(mask_path)) if mask_path else None,  # 词云形状（可选）
        colormap="viridis"  # 配色方案
    )
    # 生成词云
    wc.generate_from_frequencies(word_freq)
    # 展示词云图
    plt.figure(figsize=(12, 8))
    plt.imshow(wc, interpolation="bilinear")
    plt.axis("off")  # 隐藏坐标轴
    plt.title("2025年微博热搜关键词词云图", fontsize=20, pad=20)
    # 保存词云图
    plt.savefig("weibo_hot_wordcloud_2025.png", dpi=300, bbox_inches="tight")
    plt.show()
# 生成词云图（可替换mask_path为自定义形状图片路径，如微博logo）
generate_wordcloud(word_freq_dict, mask_path="weibo_mask.png")  # 无蒙版则设为None