用python全方位解析2019新冠疫情词云图

wordcloud模块

wordcloud是一个非常优秀的词云展示的第三方库，词云是以词语为基础，通过汇总不用的字更加直观和艺术性的展示我们的文本。

首先，安装wordcloud包时，直接用 pip install wordcloud是会报错的，会出现文件缺失的问题。这一点不少人都有类似反馈。

解决方案可看我一下两篇博客：
python快速安装资源包
手把手教你进行pip换源

当然也可以通过下载.whl文件进行安装：.whl文件链接
在cmd中命令：pip install .whl文件的路径
这种方法比较麻烦，每次安装模块时都要去找.whl文件，我反正是拒绝的。。。。。。

正确打开方式：
打开cmd在命令框中输入：

pip install wordcloud -i https://pypi.doubanio.com/simple

安装速度很快，可以说是秒安装。。。。不信你可以试试。。。

wordcloud官方简介：github:https://github.com/amueller/word_cloud
官方地址：
https://amueller.github.io/word_cloud/

jieba分词器模块

jieba分词器模块有三种分词的模式：

1. 全模式：把句子中所有可以成词的词语都扫描出来，速度非常快，会根据字典，将所有出现的字词全部匹配划分，所以会出现重复，但是不能解决歧义。
2. 精确模式：试图将句子最精确地切开，适合文本分析（类似LTP分词方式）
3. 搜索引擎模式：在精确模式的基础上对长词再次切分，提高召回率，适合用于搜索引擎分词。

jieba分词器模块安装同wordcloud模块安装一样，在cmd在输入：

pip install jieba -i https://pypi.doubanio.com/simple

PyCharm创建工程

工程创建具体我就不阐述了，看图：

生成词云的方法

wordcloud 生成词云有两个方法：from text 和 from frequencies ，即文本生成和频率生成，每一个都有对应的函数可以使用。

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.

wordcloud.WordCloud()的参数介绍

参数	描述
width	指定词云对象生成图片的宽度,默认400像素
height	指定词云对象生成图片的高度，默认200像素
min_ font_size	指定词云中字体的最小字号，默认4号
max_ font_ size	指定词云中字体的最大字号，根据高度自动调节
font_ step	指定词云中字体字号的步进间隔，默认为1
font_ path	指定字体文件的路径,默认None,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’
max_ words	指定词云显示的最大单词数量，默认200
stop_ words	指定词云的排除词列表，即不显示的单词列表，设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
mask	指定词云形状，默认为长方形，需要引用imread()函数，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
background_ color	指定词云图片的背景颜色，默认为黑色
prefer_horizontal	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 ）
scale	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
mode	当参数为“RGBA”并且background_color不为空时，背景为透明
relative_scaling	词频和字体大小的关联性
color_func	生成新颜色的函数，如果为空，则使用 self.color_func
regexp	使用正则表达式分隔输入的文本
collocations	是否包括两个词的搭配
colormap	给每个单词随机分配颜色，若指定color_func，则忽略该方法
fit_words(frequencies)	根据词频生成词云【frequencies，为字典类型】
generate(text)	根据文本生成词云
generate_from_frequencies(frequencies[, …])	根据词频生成词云
generate_from_text(text)	根据文本生成词云
process_text(text)	将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap])	对现有输出重新着色。重新上色会比重新生成整个词云快很多
to_array()	转化为 numpy array
to_file(filename)	输出到文件

影响词云图像清晰的WordCloud的参数

mask

遮罩图即背景图片。字的大小布局和颜色都会依据遮罩图生成。其实理论上这对字大小和清晰程度的影响不大，但是遮罩图色和背景色background_color混淆，则可能导致看起来不清晰；另外遮罩图自身各个颜色之间的对比不强烈，也可能使图看起来层次感不够。

比如，一些图明度比较高，再加上背景白色，有可能导致字色太浅（背景色background_color又是白色）于是看起来不够“清晰”。

background_color

背景色默认为黑色。就像在mask中提到的，如果遮罩图像颜色过浅、背景设置白色，可能导致字看起来“不清晰”。而实际上，对一个浅色遮罩图分别用白、黑两种背景色后发现，黑色背景的强烈对比之下会有若干很浅也很小的词浮现出来，而之前因背景色、字色过于相近而几乎无法用肉眼看出这些词。

mode

默认“RGB”，根据说明文档，如果想设置透明底色的云词图，那么可以设置background_color=None, mode="RGBA"
但是！！！实际中我尝试设置透明背景色并没有成功过！
当我选取的遮罩图是白色底时，如果background_color设置为"white"或"black"时，生成的云词确实是对应的“白色”“黑色”；但是按照上述参数设置透明色时，结果出来依然是白色。

max_font_size

最大字号，图的生成会依据最大字号等因素去自动判断词的布局。

经测试，哪怕同一个图像，只要图本身尺寸不一样（比如我把一个300×300的图拉大到600×600再去当遮罩），那么同样的字号也是会有不同的效果。

原理想想也很自然，字号决定了字的尺寸，而图的尺寸变了以后，最大字相对于图的尺寸比例自然就变了。

所以，需要根据期望显示的效果，去调整最大字号参数值。

min_font_size

最小字号，不设置的情况下，默认是4。尝试了设置比4大的字号，例如8、10，结果就是原本小于设定值且大于4号的词都直接不显示了，其它内容和未设置该值时都一样。

relative_scaling

表示词频和云词图中字大小的关系参数，默认0.5。为0时，表示只考虑词排序，而不考虑词频数；为1时，表示两倍词频的词也会用两倍字号显示。

scale

根据说明文档，当云词图很大的，加大该值会比使用更大的图更快，但值越高也会越慢（计算更复杂）。默认值是1。实际测试中，更大的值，确实输出图像看起来更精细（较小较浅的词会颜色更重，也感觉清楚，大的词差异不明显）。

python实现

文本信息：2019nCov.txt

打开文件

用open函数打开文件，编码用utf-8

text_from_file_with_apath = open('2019nCov.txt', encoding='utf-8').read()

中文分词

sep’.join（seq）以sep作为分隔符，将seq所有的元素合并成一个新的字符串

wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=True)
#sep’.join（seq）以sep作为分隔符，将seq所有的元素合并成一个新的字符串
wl_space_split = " ".join(wordlist_after_jieba)

设置词云样式

wc = WordCloud(
    background_color="white",   # 设置背景颜色
    mask=backgroud_Image,       # 设置背景图片
    width=1000,
    height=860,
    font_path="C:\\Windows\\Fonts\\msyhbd.ttc",   # 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
    max_words=2000,         # 设置最大现实的字数
    stopwords=STOPWORDS,    # 设置停用词
    max_font_size=150,      # 设置字体最大值
    # min_font_size=10,     # 设置字体最小值
    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=8,
)

显示词云

调用plt.imshow()函数显示词云

plt.imshow(my_wordcloud)
#是否显示x轴、y轴下标
plt.axis("off")

保存生成的词云文件

我这里用的是WordCloud中自带.to_file可以将云词图输出到文件

my_wordcloud.to_file('wordcloud6.png')

另一种输出图片的方式：用plt.savefig("这里是生成图片的路径")来存储生成的云词图

plt.savefig('wordcloud6.png',dpi=200) 
plt.show()

注意：一定要把plt.savefig放在plt.show之前，否则得到的是一张空白的图

未加载背景图片的词云图

import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import jieba

# 打开文件
text_from_file = open('2019nCov.txt',encoding='utf-8').read()
# 中文分词
wordlist_after_jieba = jieba.cut(text_from_file, cut_all=True)
# sep’.join（seq）以sep作为分隔符，将seq所有的元素合并成一个新的字符串
txt = " ".join(wordlist_after_jieba)
# 生成对象
'''设置词云样式'''
wc = WordCloud(
    background_color="white",   # 设置背景颜色
    width=1000,
    height=860,
    font_path="C:\\Windows\\Fonts\\STFANGSO.ttf",   # 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
    max_words=2000,         # 设置最大现实的字数
    stopwords=STOPWORDS,    # 设置停用词
    max_font_size=150,      # 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
)
my_wordcloud = wc.generate(txt)
# 显示词云
plt.imshow(my_wordcloud)
# 是否显示x轴、y轴下标
plt.axis("off")
plt.show()
# 保存文件
my_wordcloud.to_file('wordcloud.png')

加载背景代码

import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import jieba

# 打开文件
text_from_file = open('2019nCov.txt',encoding='utf-8').read()
# 中文分词
wordlist_after_jieba = jieba.cut(text_from_file, cut_all=True)
# sep’.join（seq）以sep作为分隔符，将seq所有的元素合并成一个新的字符串
txt = " ".join(wordlist_after_jieba)
# 背景图片
backgroud_Image = plt.imread('yuntu.jpg')
print('加载图片成功！')
# 生成对象
'''设置词云样式'''
wc = WordCloud(
    background_color="white",   # 设置背景颜色
    mask=backgroud_Image,       # 设置背景图片
    width=1000,
    height=860,
    font_path="C:\\Windows\\Fonts\\msyhbd.ttc",   # 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
    max_words=2000,         # 设置最大现实的字数
    stopwords=STOPWORDS,    # 设置停用词
    max_font_size=150,      # 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
)
my_wordcloud = wc.generate(txt)
print('开始加载文本')
# 显示词云
plt.imshow(my_wordcloud)
# 是否显示x轴、y轴下标
plt.axis("off")
plt.show()
# 保存文件
my_wordcloud.to_file('wordcloud1.png')
print('生成词云成功!')

背景图：

STFANGSO.ttf：字体为华文仿宋 字体

msyhbd.ttc：字体为微软雅黑粗体

背景图：

STFANGSO.ttf：字体为华文仿宋 字体

msyhbd.ttc：字体为微软雅黑粗体

有帮助的话来个三连击，鼓励鼓励一下我
有帮助的话来个三连击，鼓励鼓励一下我
有帮助的话来个三连击，鼓励鼓励一下我