基本參數
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)
這是wordcloud的所有參數，下面具體介紹一下各個參數：
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 arrayto_file(filename) //輸出到文件
import random
import numpy as np
import pandas as pd
import wordcloud
import matplotlib.pyplot as plt
from PIL import Image,ImageSequence
from wordcloud import WordCloud,ImageColorGenerator
def DrawWordcloud(read_name):
image = Image.open('/home/kesci/wc.jpg')#作爲背景形狀的圖
graph = np.array(image)
#參數分別是指定字體、背景顏色、最大的詞的大小、使用給定圖作爲背景形狀
wc = WordCloud(font_path = '/home/kesci/ADOBESONGSTD-LIGHT.OTF',
background_color = 'White', max_words = 100,
width=1600,height=1200,margin=2,mask = graph)
fp = pd.read_csv(read_name)#讀取詞頻文件
name = list(fp.word)#詞
value = fp['count']#詞的頻率
for i in range(len(name)):
name[i] = str(name[i])
#注意因爲要顯示中文，所以需要轉碼
dic = dict(zip(name, value))#詞頻以字典形式存儲
wc.generate_from_frequencies(dic)#根據給定詞頻生成詞雲
image_color = ImageColorGenerator(graph)
plt.imshow(wc)
plt.axis("off")#不顯示座標軸
plt.figure(figsize=(2000,1000),dpi=500)
#plt.figure(dpi=500)
plt.show()
wc.to_file('/home/kesci/work/testWordcloud.png')#保存的圖片命名爲Wordcloud.png
if __name__=='__main__':
DrawWordcloud("/home/kesci/test.csv")