偶然機會,知道了詞雲,剛開始還只是利用圖悅進行在線的分析,後來發現網上有源碼,所以就轉載過來,大家一起學習。
原
wordcloud的基本使用
github:https://github.com/amueller/word_cloud
官方地址:https://amueller.github.io/word_cloud/
- 來一個例子:
- ”“”
- @author:FLY
- @software:PyCharm
- @time:2017/08/24
- ”“”
- import pickle
- from os import path
- import jieba
- import matplotlib.pyplot as plt
- from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
- text = ”
- with open(’人工智能及應用.txt’, ‘r’, encoding=‘utf8’) as fin:
- for line in fin.readlines():
- line = line.strip(’\n’)
- # sep’.join(seq)以sep作爲分隔符,將seq所有的元素合併成一個新的字符串
- text += ’ ’.join(jieba.cut(line))
- backgroud_Image = plt.imread(’man.jpg’)
- print(‘加載圖片成功!’)
- ””’設置詞雲樣式”’
- wc = WordCloud(
- background_color=’white’,# 設置背景顏色
- mask=backgroud_Image,# 設置背景圖片
- font_path=’C:\Windows\Fonts\STZHONGS.TTF’, # 若是有中文的話,這句代碼必須添加,不然會出現方框,不出現漢字
- max_words=2000, # 設置最大現實的字數
- stopwords=STOPWORDS,# 設置停用詞
- max_font_size=150,# 設置字體最大值
- random_state=30# 設置有多少種隨機生成狀態,即有多少種配色方案
- )
- wc.generate_from_text(text)
- print(‘開始加載文本’)
- #改變字體顏色
- img_colors = ImageColorGenerator(backgroud_Image)
- #字體顏色爲背景圖片的顏色
- wc.recolor(color_func=img_colors)
- # 顯示詞雲圖
- plt.imshow(wc)
- # 是否顯示x軸、y軸下標
- plt.axis(’off’)
- plt.show()
- # 獲得模塊所在的路徑的
- d = path.dirname(file)
- # os.path.join(): 將多個路徑組合後返回
- wc.to_file(path.join(d, ”h11.jpg”))
- print(‘生成詞雲成功!’)
”“”
@author:FLY
@software:PyCharm
@time:2017/08/24
“””
import pickle
from os import path
import jieba
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
text = ”
with open(‘人工智能及應用.txt’, ‘r’, encoding=’utf8’) as fin:
for line in fin.readlines():
line = line.strip(‘\n’)
sep’.join(seq)以sep作爲分隔符,將seq所有的元素合併成一個新的字符串
text += ' '.join(jieba.cut(line))
backgroud_Image = plt.imread('man.jpg')
print('加載圖片成功!')
'''設置詞雲樣式'''
wc = WordCloud(
background_color='white',# 設置背景顏色
mask=backgroud_Image,# 設置背景圖片
font_path='C:\Windows\Fonts\STZHONGS.TTF', # 若是有中文的話,這句代碼必須添加,不然會出現方框,不出現漢字
max_words=2000, # 設置最大現實的字數
stopwords=STOPWORDS,# 設置停用詞
max_font_size=150,# 設置字體最大值
random_state=30# 設置有多少種隨機生成狀態,即有多少種配色方案
)
wc.generate_from_text(text)
print('開始加載文本')
改變字體顏色
img_colors = ImageColorGenerator(backgroud_Image)
字體顏色爲背景圖片的顏色
wc.recolor(color_func=img_colors)
顯示詞雲圖
plt.imshow(wc)
是否顯示x軸、y軸下標
plt.axis('off')
plt.show()
獲得模塊所在的路徑的
d = path.dirname(file)
os.path.join(): 將多個路徑組合後返回
wc.to_file(path.join(d, "h11.jpg"))
print('生成詞雲成功!')
- 運行結果:
- 生成詞雲方法
word_cloud 生成詞雲有兩個方法。from text 和 from frequencies 。即文本生成和頻率生成,每一個都有對應的函數可以使用
- generate(text) Generate wordcloud from text.
- generate_from_text(text) Generate wordcloud from text.
- generate_from_frequencies Create a word_cloud from words and frequencies.
- fit_words Create a word_cloud from words and frequencies.
generate(text) Generate wordcloud from text.
generate_from_text(text) Generate wordcloud from text.
generate_from_frequencies Create a word_cloud from words and frequencies.
fit_words Create a word_cloud from words and frequencies.
- 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)
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【frequencies,爲字典類型】
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
- 簡要講下幾個會影響圖像清晰問題的
WordCloud
的參數:
mask:遮罩圖,字的大小布局和顏色都會依據遮罩圖生成。其實理論上這對字大小和清晰程度的影響不大,
但是遮罩圖色和背景色background_color如果易混淆,則可能是一個導致看起來不清晰的因素;
另外遮罩圖自身各個顏色之間的對比不強烈,也可能使圖看起來層次感不夠。
比如,一些圖明度比較高,再加上背景白色,有可能導致字色太淺(背景色background_color又是白色)於是看起來不夠“清晰”。
background_color:背景色,默認黑。
這個本來其實也不怎麼影響清晰度,但是,就像之前在mask中提到的,如果遮罩圖像顏色過淺、背景設置白色,
可能導致字看起來“不清晰”。而實際上,我對一個淺色遮罩圖分別用白、黑兩種背景色後發現,
黑色背景的強烈對比之下會有若干很淺也很小的詞浮現出來,而之前因背景色、字色過於相近而幾乎無法用肉眼看出這些詞。
mode:默認“RGB”。根據說明文檔,如果想設置透明底色的雲詞圖,那麼可以設置background_color=None, mode="RGBA"
但是!!!實際中我嘗試設置透明背景色並沒有成功過!
當我選取的遮罩圖是白色底時,如果background_color設置爲"white"或"black"時,生成的雲詞確實是對應的“白色”“黑色”;
但是按照上述參數設置透明色時,結果出來依然是白色。
當我選取的遮罩圖是透明底時,那麼不管我background_color設置爲"white"或"black",還是None加上mode="RGBA",
結果都是把背景部分當做黑色圖塊,自動匹配黑色的字!——也就是並沒有實現透明底的雲詞。
誰如果實現了透明底色的方案,歡迎給我留言。目前這個疑惑我打算先不研究了,放到以後再看。
max_font_size:最大字號。源文件中也有講到,圖的生成會依據最大字號等因素去自動判斷詞的佈局。
經測試,哪怕同一個圖像,只要圖本身尺寸不一樣(比如我把一個300×300的圖拉大到600×600再去當遮罩),那麼同樣的字號也是會有不同的效果。
- 原理想想也很自然,字號決定了字的尺寸,而圖的尺寸變了以後,最大字相對於圖的尺寸比例自然就變了。
- 所以,需要根據期望顯示的效果,去調整最大字號參數值。
-
min_font_size:最小字號。不設置的情況下,默認是4。
嘗試了設置比4大的字號,例如8、10,結果就是原本小於設定值且大於4號的詞都直接不顯示了,其它內容和未設置該值時都一樣。
relative_scaling:表示詞頻和雲詞圖中字大小的關係參數,默認0.5。
爲0時,表示只考慮詞排序,而不考慮詞頻數;爲1時,表示兩倍詞頻的詞也會用兩倍字號顯示。
scale:根據說明文檔,當雲詞圖很大的,加大該值會比使用更大的圖更快,但值越高也會越慢(計算更復雜)。
默認值是1。實際測試中,更大的值,確實輸出圖像看起來更精細(較小較淺的詞會顏色更重,也感覺清楚,大的詞差異不明顯)。
不過,可能由於我選的圖不大、詞也沒有很多,所以差距並沒有很大,縮小排列一下就基本上辨別不出多少差別了。
-
- 以上參考來源: http://blog.csdn.net/heyuexianzi/article/details/76851參考地址https://blog.csdn.net/fly910905/article/details/77763086/