以前做詞雲的時候網上看的python做詞雲的坑都很多,耗了很多時間才高清楚wordcloud製作詞雲的精髓和脈絡,整理如下。
相關文章
Python 中文 文本分析 實戰:jieba分詞+自定義詞典補充+停用詞詞庫補充+詞頻統計
準備
- Mac環境下直接
pip install wordcloud
安裝 - windows環境下依賴
c v++
和.whl
文件,講報錯提示的鏈接複製粘貼到瀏覽器下載安裝VC++,並裝好相應的.whl文件
1.詞雲生成
wordcloud包的基本用法
class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,mask=None, scale=1, color_func=None, max_words=200,min_font_size=4,stopwords=None,random_state=None,
background_color='black', max_font_size=None, font_step=1, mode='RGB', relative_scaling=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)
wordcloud的所有參數
font_path : string //字體路徑,需要展現什麼字體就把該字體路徑+後綴名寫上,如:font_path = '黑體.ttf'
width : int (default=400) //輸出的畫布寬度,默認爲400像素
height : int (default=200) //輸出的畫布高度,默認爲200像素
prefer_horizontal : float (default=0.90) //詞語水平方向排版出現的頻率,默認 0.9 (所以詞語垂直方向排版出現頻率爲 0.1 )
mask : nd-array or None (default=None) //如果參數爲空,則使用二維遮罩繪製詞雲。如果 mask 非空,設置的寬高值將被忽略,遮罩形狀被 mask 取代。除全白(#FFFFFF)的部分將不會繪製,其餘部分會用於繪製詞雲。如:bg_pic = imread('讀取一張圖片.png'),背景圖片的畫布一定要設置爲白色(#FFFFFF),然後顯示的形狀爲不是白色的其他顏色。可以用ps工具將自己要顯示的形狀複製到一個純白色的畫布上再保存,就ok了。
scale : float (default=1) //按照比例進行放大畫布,如設置爲1.5,則長和寬都是原來畫布的1.5倍。
min_font_size : int (default=4) //顯示的最小的字體大小
font_step : int (default=1) //字體步長,如果步長大於1,會加快運算但是可能導致結果出現較大的誤差。
max_words : number (default=200) //要顯示的詞的最大個數
stopwords : set of strings or None //設置需要屏蔽的詞,如果爲空,則使用內置的STOPWORDS
background_color : color value (default=”black”) //背景顏色,如background_color='white',背景顏色爲白色。
max_font_size : int or None (default=None) //顯示的最大的字體大小
mode : string (default=”RGB”) //當參數爲“RGBA”並且background_color不爲空時,背景爲透明。
relative_scaling : float (default=.5) //詞頻和字體大小的關聯性
color_func : callable, default=None //生成新顏色的函數,如果爲空,則使用 self.color_func
regexp : string or None (optional) //使用正則表達式分隔輸入的文本
collocations : bool, default=True //是否包括兩個詞的搭配
colormap : string or matplotlib colormap, default=”viridis” //給每個單詞隨機分配顏色,若指定color_func,則忽略該方法。
fit_words(frequencies) //根據詞頻生成詞雲
generate(text) //根據文本生成詞雲
generate_from_frequencies(frequencies[, ...]) //根據詞頻生成詞雲
generate_from_text(text) //根據文本生成詞雲
process_text(text) //將長文本分詞並去除屏蔽詞(此處指英語,中文分詞還是需要自己用別的庫先行實現,使用上面的 fit_words(frequencies) )
recolor([random_state, color_func, colormap]) //對現有輸出重新着色。重新上色會比重新生成整個詞雲快很多。
to_array() //轉化爲 numpy array
to_file(filename) //輸出到文件
2.Demo1:輸入英文文本
# 導入wordcloud模塊和matplotlib模塊
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from scipy.misc import imread
# 讀取一個txt文件
text = open('test1.txt','r').read()
# 讀入背景圖片
bg_pic = imread('3.png')
# 生成詞雲
wordcloud = WordCloud(mask=bg_pic,background_color='white',scale=1.5).generate(text)
# image_colors = ImageColorGenerator(bg_pic)
# 顯示詞雲圖片
plt.imshow(wordcloud)
plt.axis('off')
plt.show()
詞雲圖
3.Demo2:輸入中文文本
和英文詞雲最大的不同是要設置字體
# -*- coding: utf-8 -*-
__author__ = 'taorui'
# wordcloud 生成中文詞雲
from wordcloud import WordCloud
import jieba
from scipy.misc import imread
from os import path
import matplotlib.pyplot as plt
# 繪製詞雲
def draw_wordcloud():
# 讀入一個txt文件
comment_text = open('test1.txt','r').read()
# 結巴分詞,生成字符串,如果不通過分詞,無法直接生成正確的中文詞雲
cut_text = " ".join(jieba.cut(comment_text))
d = path.dirname(__file__) # 當前文件文件夾所在目錄
color_mask = imread("3.jpg") # 讀取背景圖片
cloud = WordCloud(
# 設置字體,不指定就會出現亂碼
font_path="STSONG.TTF",
# 設置背景色
background_color='white',
# 詞雲形狀
mask=color_mask,
#允許最大詞彙
max_words=2000,
#最大號字體
max_font_size=40
)
# print(cut_text)
word_cloud = cloud.generate(cut_text) # 產生詞雲
word_cloud.to_file("3.jpg") # 保存圖片
# 顯示詞雲圖片
plt.imshow(word_cloud)
plt.axis('off')
plt.show()
if __name__ == '__main__':
draw_wordcloud()
詞雲圖
4.Demo3:輸入詞頻
from os import path
from wordcloud import WordCloud
import matplotlib.pyplot as plt
d = path.dirname(__file__)
frequencies = {u'知乎': 0.1, u'小段同學': 0.4, u'曲小花': 0.3, u'中文分詞': 0.1, u'樣例': 0.1}
wordcloud = WordCloud(font_path="STSONG.TTF").fit_words(frequencies)
plt.imshow(wordcloud)
plt.axis("off")
plt.show()