Python 数据可视化：WordCloud 词云的构建

WordCloud 官方文档：https://amueller.github.io/word_cloud/index.html
WordCloud GitHub 地址：https://github.com/amueller/word_cloud
Python非常重要的一个可视化库，wordcloud词云库了解一下！：https://www.bilibili.com/video/av26266917
一个免费的生成词云(word cloud)的在线工具：https://segmentfault.com/a/1190000016827687
python词云 wordcloud 入门 ：https://blog.csdn.net/tanzuozhev/article/details/50789226
Python第三方库wordcloud（词云）快速入门与进阶：https://blog.csdn.net/qq_34337272/article/details/79552929

 

词云可视化：安装模块 wordcloud： pip install wordcloud

 

• 什么是词云

词云又叫文字云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。

 

• 准备工作：

python开发环境、wordcloud、jieba、matplotlib、numpy 、PIL 等库文件安装好。

 

安装完成以后 ( 命令行使用方式 )
        wordcloud_cli --text in.txt --imagefile out.png --mask in.png
        text 是词云来源，mask 是背景框架 ，imagefile 输出的文件
        wordcloud_cli --help 查看所有支持的命令参数

 

wordcloud生成词云的原理简介 

        wordcloud生成词云的原理其实并不复杂，大体分成5步（具体可自行查看源码）：

• 1.wordcloud制作词云时，首先要对对文本数据进行分词，使用process_text（）方法，这一步的主要任务是去除停用词 
• 2.第二步是计算每个词在文本中出现的频率，生成一个哈希表。词频用于确定一个词的重要性 
• 3.根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap 是该词云的算法所在，是词云的数据可视化方式的核心。生成词的颜色、位置、方向等 
• 4.最后将词按对应的词频在词云布局图上生成图片，核心方法是generate_from_frequencies,不论是generate（）还是generate_from_text（）都最终用到generate_from_frequencies 
• 完成词云上各词的着色,默认是随机着色 
• 5.词语的各种增强功能大都可以通过wordcloud的构造函数实现，里面提供了22个参数，还可以自行扩展。

 

wordcloud.WordCloud  类 的 参数 说明

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)

参数
    font_path : string         //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf’如果不指定字体中文字的显示不出来
    width : int (default=400)  //输出的画布宽度，默认为400像素
    height : int (default=200) //输出的画布高度，默认为200像素
    prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）
    mask : nd-array or None (default=None)   //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。
    scale : float (default=1)       //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
    min_font_size : int (default=4) //显示的最小的字体大小
    font_step : int (default=1)        //字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
    max_words : number (default=200)   //要显示的词的最大个数
    stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
    background_color : color value (default=”black”) //背景颜色，如background_color=‘white’,背景颜色为白色。
    max_font_size : int or None (default=None)       //显示的最大的字体大小
    mode : string (default=”RGB”)                    //当参数为“RGBA”并且background_color不为空时，背景为透明。
    relative_scaling : float (default=.5)  //词频和字体大小的关联性
    color_func : callable, default=None    //生成新颜色的函数，如果为空，则使用 self.color_func
    regexp : string or None (optional)     //使用正则表达式分隔输入的文本
    collocations : bool, default=True      //是否包括两个词的搭配
    colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。

 

示例 ：

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Author      : 
# @File        : test.py
# @Software    : PyCharm
# @description : XXX


import jieba
from os import path
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS


def test_1():
    """
        不是用背景图片
    :return:
    """
    f = open("e:/shijing_guanju.txt", "r")
    t = f.read()
    f.close()
    ls = jieba.lcut(t)

    txt = " ".join(ls)
    w = WordCloud(
        width=1000, height=700,
        background_color="white",
        # font_path="MSYH.ttc"  # 没有设置字体可能出现，词云的结果均为方框。建议设置MSYH.ttc（微软雅黑）
        font_path="simsun.ttc"  # 设置微软雅黑报错，这里设置 宋体
    )
    w.generate(txt)
    w.to_file("e:/word_cloud_1.png")  # 在程序当前目录，word_cloud_1.png


def test_2():
    """
        使用背景图片
    :return:
    """
    mask = imread("e:/china_map.jpg")  # 设置背景图片china_map.jpg
    excludes = {}
    f = open("e:/shijing_guanju.txt", "r")

    t = f.read()
    f.close()
    ls = jieba.lcut(t)
    txt = " ".join(ls)

    w = WordCloud(
        width=550, height=500,
        background_color="white",
        font_path="simsun.ttc",  # 没有设置字体可能出现，词云的结果均为方框。建议设置MSYH.ttc（微软雅黑）
        mask=mask
    )

    w.generate(txt)
    w.to_file("e:/word_cloud_2.png")  # 在程序当前目录，word_cloud_1.png


def test_3():

    # 读入背景图片
    abel_mask = np.array(Image.open("/home/djh/PycharmProjects/source/test.jpg"))

    # 读取要生成词云的文件
    text_from_file_with_apath = open('/home/djh/PycharmProjects/source/a.txt').read()

    # 通过jieba分词进行分词并通过空格分隔
    word_list_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=True)
    wl_space_split = " ".join(word_list_after_jieba)
    # my_word_cloud = WordCloud().generate(wl_space_split) 默认构造函数
    my_word_cloud = WordCloud(
        background_color='white',   # 设置背景颜色
        mask=abel_mask,             # 设置背景图片
        max_words=200,              # 设置最大现实的字数
        stopwords=STOPWORDS,        # 设置停用词
        font_path='/home/djh/win_font/simkai.ttf',  # 设置字体格式，如不设置显示不了中文
        max_font_size=50,      # 设置字体最大值
        random_state=30,       # 设置有多少种随机生成状态，即有多少种配色方案
        scale=.5
    ).generate(wl_space_split)

    # 根据图片生成词云颜色
    image_colors = ImageColorGenerator(abel_mask)
    # my_word_cloud.recolor(color_func=image_colors)

    # 以下代码显示图片
    plt.imshow(my_word_cloud)
    plt.axis("off")
    plt.show()


def test_4():
    """
        简易版
    :return:
    """
    f = open(u'txt/AliceEN.txt', 'r').read()
    wordcloud = WordCloud(background_color="white", width=1000, height=860, margin=2).generate(f)

    # width,height,margin可以设置图片属性
    # 你可以通过font_path参数来设置字体集
    # background_color参数为设置背景颜色,默认颜色为黑色

    plt.imshow(wordcloud)
    plt.axis("off")
    plt.show()

    wordcloud.to_file('test.png')
    # 保存图片,但是在第三模块的例子中 图片大小将会按照 mask 保存


def test_5():
    """
        进阶版
    :return:
    """
    d = path.dirname(__file__)

    # Read the whole text.
    text = open(path.join(d, 'alice.txt')).read()

    # read the mask / color image taken from
    # http://jirkavinse.deviantart.com/art/quot-Real-Life-quot-Alice-282261010
    alice_coloring = np.array(Image.open(path.join(d, "alice_color.png")))

    # 设置停用词
    stopwords = set(STOPWORDS)
    stopwords.add("said")

    # 你可以通过 mask 参数 来设置词云形状
    wc = WordCloud(background_color="white", max_words=2000, mask=alice_coloring,
                   stopwords=stopwords, max_font_size=40, random_state=42)
    # generate word cloud
    wc.generate(text)

    # create coloring from image
    image_colors = ImageColorGenerator(alice_coloring)

    # show
    # 在只设置mask的情况下,你将会得到一个拥有图片形状的词云
    plt.imshow(wc, interpolation="bilinear")
    plt.axis("off")
    plt.figure()
    # recolor wordcloud and show
    # we could also give color_func=image_colors directly in the constructor
    # 我们还可以直接在构造函数中直接给颜色
    # 通过这种方式词云将会按照给定的图片颜色布局生成字体颜色策略
    plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
    plt.axis("off")
    plt.figure()
    plt.imshow(alice_coloring, cmap=plt.cm.gray, interpolation="bilinear")
    plt.axis("off")
    plt.show()


if __name__ == '__main__':
    test_1()
    # test_2()
    # test_3()
    # test_4()
    # test_5()
    pass