词云图的制作

制作词云图

效果如下图：

准备工作

1、jieba库
2、wordcloud库
3、PIL模块 （官方的图像处理库，必装）
4、numpy（数据处理库）

1、jieba库

安装：pip install jieba

jieba模块是python中常用的分词模块，简单介绍它的作用：

结巴分词的分词模式分为三种：

• (1) 全模式:把句子中所有的可以成词的词语都扫描出来, 速度快,但是不能解决歧义问题
• (2) 精确模式:将句子最精确地切开,适合文本分析
• (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

【以下，都返回一个生成器`generator`】
# 全模式
jieba.cut(text, cut_all=True)

# 精确模式  （该模式是默认的模式，参数`cut_all=False`可不写）
jieba.cut(text, cut_all=False)

# 搜索引擎模式
jieba.cut_for_search(text)

2、wordcloud库

参考文档资料如下：https://amueller.github.io/word_cloud/generated/wordcloud.WordCloud.html

安装：pip install wordcloud

（一）wordcloud模块中有三个函数分别是：

• wordcloud.WordCloud（） # 主要使用该函数！！！
• wordcloud.ImageColorGenerator( )
• wordcloud.random_color_func( )

① wordcloud.WordCloud() # 【用于生成或者绘制词云的对象】
该函数携带多个参数，依次介绍如下：

• font_path : 字体路径（需要设置什么样的字体，就将字体路径以字符串的形式传入。默认为wordcloud库下的 DroidSansMono.ttf 字体）ps:如果选用默认字体的话，是不能够显示中文字的。为使得能够显示中文，可以自己设置字体。系统字体一般都在C:\Windows\Fonts 目录下。之前别人博客中提到的设置为STFANGSO.TTF就是华文仿宋。选择自己想要设置的字体，然后右击属性，复制路径然后赋值给font_path即可。（如下图）
  
• width: 画布宽度（默认为400像素）
• height: 画布高度（默认为200）
• margin: 每个单词间的间隔 (默认为2)
• prefer_horizontal : 词语水平方向排版出现的频率(默认为0.9，注意水平排版和垂直排版概率之和为1，因此默认垂直方向排版为0.1)
• mask: nd-array or None (default=None), 简单理解为绘制模板。【当mask不为0时，那么之前依据height和width设置的画布则作废，此时“画布”形状大小由mask决定】
• scale: float (default=1). 计算和绘图之间的比例（就是放大画布的尺寸，也可以叫比例尺）。对于大型词云图，使用比例尺比设置画布尺寸来得更加快速，但是单词匹配不是很好。
• max_words: number (default=200) 最大显示单词字数。
• max_font_size: int or None (default=None) 最大单词的字体大小，如果没有设置的话，直接使用画布的大小。
• stopwords: set of strings or None 被淘汰不用于显示的词语（又叫屏蔽词），默认使用内置的stopwords。
• background_color: color value (default=”black”) 词云图像的背景色，默认为黑色。
• mode: string (default=”RGB”) 当mode=“RGBA”且background_color=“None”时，将生成透明的背景。
• relative_scaling: float (default=’auto’) 词频大小对字体大小的影响度。如果设置为1的话，如果一个单词出现两次那么其字体大小为原来 的两倍。
• color_func: callable, default=None 生成新颜色的函数，如果为空，则使用self.color_func。注意的是如果你想要使得字体颜色为统一的颜色，使用如下：

color_func=lambda *args, **kwargs: "white"  #所有字体为白色
# 或者通过设置RGB来解决.
color_func=lambda *args, **kwargs: (255,0,0) #所有字体颜色为红色

• regexp: string or None (optional) 使用正则表达式分割输入的字符。没有指定的话就使用 r"\w[\w']+"。
• collocations: bool, default=True 是否包括两个词的搭配（双宾语）
• colormap: string or matplotlib colormap, default=”viridis”。颜色映射方法，每个单词对应什么颜色，就是根据这个colormap的。如果设置 color_func ，则这个设置作废。
• repeat : bool, default=False 是否需要重复单词以使得总单词数量达到 max_words。

---

② wordcloud.ImageColorGenerator() # 【基于彩色图像的颜色生成器】

wordcloud.ImageColorGenerator(image, default_color=None)

》根据RGB图像生成颜色。单词将使用彩色图像中包围的矩形的平均颜色进行着色。参数：image用于生成单词颜色的图像。
》生成的对象用法：

• 1、可以传入给 wordcloud.WordCloud() 构造函数中的 color_func 参数。
• 2、可以传入给 recolor() 函数中的 color_func 参数。

---

③ wordcloud.random_color_func() # 【随机色调颜色生成】

wordcloud.random_color_func(word=None, font_size=None, position=None, orientation=None, font_path=None, random_state=None)

》随机色调颜色生成。如果给定一个随机对象，则用于生成随机数

（二）wordcloud输出形式：

• fit_words(frequencies) # 根据词频生成词云
• 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

实战

from wordcloud import WordCloud     # 导入词云库
from PIL import Image               # 导入PIL图库
import jieba                        # 导入jieba分词库
import numpy as np                  # 导入数据处理库


def read_word(text_path):
    with open(text_path, 'r', encoding="utf-8") as f:
        cut_word = jieba.cut(f.read())      # 分词处理
    result = " ".join(cut_word)             # 分词后在单独个体之间加上空格
    img = Image.open("timg.png")            # 打开背景图片
    img_array = np.array(img)               # 设置词云形状
    stop_words = ["说", "说道", "道", " "]

    # 自定义词云
    wc = WordCloud(
        font_path=r"C:\Windows\Fonts\微软雅黑\msyh.ttc",               # 设置字体样式（中文文字需要添加中文字体）
        background_color="white",   # 背景颜色（默认黑色背景,也是可以实现效果，但是不太漂亮）
        mask=img_array,             # 遮罩层,除白色背景外,其余图层全部绘制
        scale=8,                    # 使用比例尺比设置画布尺寸
        max_font_size=100,
        repeat=False,               # 去除重复词汇
        stopwords=stop_words        # 屏蔽词（list格式）
    )
    wc.generate_from_text(result)
    wc.to_file("dan_mu.png")        # 保存词云图

if __name__ == '__main__':
    read_word("dan_mu.txt")

结尾

》本案例是接着 “爬b站弹幕” 的拓展部分，将弹幕信息生成词云图。弹幕爬虫可以访问下文链接：
https://blog.csdn.net/ytraister/article/details/107361218

》通过本文，可以了解到其他python库的用法，制作出好看的词云图海报。

》本文参考如下几个博客✍：

• https://blog.csdn.net/csdnnews/article/details/106754771
• https://blog.csdn.net/moshanghuali/article/details/84667136
• https://blog.csdn.net/qq_39985298/article/details/90234830