数据可视化（一）——wordcloud词云

本篇博客将从词云基础，到实现一个词云实例

一、安装及介绍

• 首先，wordcloud 肯定需要相关的安装包。这里我们需要用到：

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

需要注意的几个问题：
jieba 是用来处理中文分词的。如果你的词云中不是中文，则不用导入
from scipy.misc import imread 这里可能会报错，解决办法是 ：scipy降级到1.2.1 pip install scipy==1.21
安装 wordcloud 时，可能会因为网络限制导致安装失败
Matplotlib是一个 Python 的 2D数学绘图库

• wordcloud 库介绍
  词云以词语为基本单位更加直观和艺术的展示文本，例如百度中的大数据图片：
  
  wordcloud把词云当作一个对象，它可以将文本中词语出现的频率作为一个参数绘制词云，而词云的大小、颜色、形状等都是可以设定的。

二、wordcloud 基本使用

• 总的来说，生成一个漂亮的词云文件三步就可以完成。即：1、配置对象参数 2、加载词云文本 3、输出词云文件 （如果不加说明默认的图片大小为400 * 200）
  最简单大概就是这样，当然还会有一些补充的：

from wordcloud import WordCloud

# 1、配置对象参数
wc = WordCloud()
# 2、加载词云文本
wc.generate("I love China")
wc.to_file("pic.png")

生成的图片是这样的：

• wordcloud 常规方法：
  
• wordcloud做词频统计分为以下几个步骤：

1 、分隔：以空格分隔单词 2、统计 ：单词出现的次数并过滤 3、字体：根据统计搭配相应的字号 4 、布局
常用的参数：

三、《围城》实例

看了《围城》，所以想把它的词云提取出来

• txt文件
  词云肯定需要词，所以我们首先需要一个txt 文件，这里我是放在 siege_text.txt 中
• 停用词
• 遮罩图片
  我们生成的词云只是方方的肯定不好看，想让它有一定的形状，就需要遮罩图

最后生成的图片（停用词还不够好）：

代码如下：

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

stopwords = {}


def importStopword(filename=''):
    '''
    导入停用词
    :param filename: 读入停用词txt文本数据
    :return:把文件中的词添加到 stopwords中
    '''
    global stopwords
    f = open(filename, 'r', encoding='utf-8')
    line = f.readline().rstrip()
    while line:
        stopwords.setdefault(line, 0)
        stopwords[line] = 1
        line = f.readline().rstrip()

    f.close()


def processChinese(text):
    '''
    将中文文本分词
    :param text: 未分词的文件
    :return: 分词后的
    '''
    seg_generator = jieba.cut(text)
    seg_list = [i for i in seg_generator if i not in stopwords]
    seg_list = [i for i in seg_list if i != u' ']
    seg_list = r' '.join(seg_list)
    return seg_list


importStopword(filename='./stopwords.txt')

# 获取当前文件路径，__file__ 为当前文件
d = path.dirname(__file__)
text = open(path.join(d, 'siege_text.txt'), encoding='GBK').read()
# 如果是中文，使用Jieba分词进行；如果是英文，可以把这行注释掉
text = processChinese(text)

# 设置背景图片
back_coloring = imread(path.join(d, "./image/love.jpg"))
print("加载图片成功！")

# 1、配置对象
# WordCloud默认不支持中文，所以这里需已下载好的中文字库
# 无自定义背景图：需要指定生成词云图的像素大小，默认背景颜色为黑色,统一文字颜色：mode='RGBA'和colormap='pink'
wc = WordCloud( font_path='./font/叶立群几何体.ttf',
                background_color="white",
                max_words=2000,
                mask=back_coloring,
                random_state=42,
                )

# 2、生成词云
wc.generate(text)

# 从背景图片生成颜色值
image_colors = ImageColorGenerator(back_coloring)

plt.figure()
# 以下代码显示图片
plt.imshow(wc)
plt.axis("off")
plt.show()
# 绘制词云

# 3、保存图片
wc.to_file(path.join(d, "生成图.png"))
print("生成词云成功！")