参考：
生成词云之python中WordCloud包的用法
https://amueller.github.io/word_cloud/
https://github.com/amueller/word_cloud
Python词云 wordcloud 十五分钟入门与进阶
python词云 wordcloud 入门
Python中文分词 jieba 十五分钟入门与进阶
class WordCloud(object):
def __init__(self, font_path=None, width=400, height=200, margin=2,
ranks_only=None, prefer_horizontal=.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=.5, regexp=None, collocations=True,
colormap=None, normalize_plurals=True):
pass
wordcloud 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'
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。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。
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。
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
生成中文词云要加字体 font_path= r'C:\Windows\Fonts\simfang.ttf'
快速生成词云，文章来自《完美世界》
#导入wordcloud模块和matplotlib模块
from wordcloud import WordCloud,ImageColorGenerator
import matplotlib.pyplot as plt
from scipy.misc import imread
import jieba
#读取一个txt文件
text = open(r'C:\Users\jjj\Desktop/12.txt','r').read()
#读入背景图片
bg_pic = imread(r'C:\Users\jjj\Desktop/3.png')
wordlist_after_jieba = jieba.cut(text, cut_all = True)
wl_space_split = " ".join(wordlist_after_jieba)
#生成词云
font = r'C:\Windows\Fonts\simfang.ttf'
wc = WordCloud(mask=bg_pic,background_color='white',font_path=font, scale=1.5).generate(wl_space_split)
image_colors = ImageColorGenerator(bg_pic)
#显示词云图片
plt.imshow(wc)
plt.axis('off')
plt.show()
# 保存图片
wc.to_file(r'C:\Users\jjj\Desktop/333.jpg')
3.png
333.jpg
利用背景图片生成词云
from wordcloud import WordCloud,ImageColorGenerator
import matplotlib.pyplot as plt
from scipy.misc import imread
import jieba
#读取一个txt文件
text = open(r'C:\Users\jjj\Desktop/12.txt','r').read()
#读入背景图片
bg_pic = imread(r'C:\Users\jjj\Desktop/6.png')
wordlist_after_jieba = jieba.cut(text, cut_all = True)
wl_space_split = " ".join(wordlist_after_jieba)
#生成词云
font = r'C:\Windows\Fonts\simfang.ttf'
wc = WordCloud(mask=bg_pic,background_color='white',font_path=font,scale=1.5).generate(wl_space_split)
image_colors = ImageColorGenerator(bg_pic)
plt.imshow(wc.recolor(color_func=image_colors),interpolation="bilinear")
#显示词云图片
#plt.imshow(wc, cmap=plt.cm.gray)
plt.axis('off')
plt.show()
wc.to_file(r'C:\Users\jjj\Desktop/333.jpg')
7.png
333.jpg