使用wordcloud生成词云,如果是中文文本,需要手动安装三个第三方库,分别为wordcloud、jieba、scipy。jieba库用来对中文进行分词处理,scipy库用来生成词云图片。如果对这两个库不熟悉也没关系,直接按照代码,安装之后import使用即可。
windows下分别在命令行输入以下命令进行安装:
pip install wordcloud
pip install jieba
pip install scipy
wordcloud库常规方法
步骤一: 配置对象参数
步骤二:加载词云文本
步骤三:输出词云文件
import wordcloud
import jieba
from scipy.misc import imread
# 读入一个中文txt文件
f = open(r'D:\chromeDownload\all.txt', encoding = 'utf-8')
t = f.read()
f.close()
# 使用jieba库进行分词,生成字符串,如果不通过分词,无法直接生成正确的中文词云
words = jieba.lcut(t)
# 使用join()方法,将分词生成的字符串以空格进行分割。因为在生成词云时,字符串之间需要为空格
txt = ' '.join(words)
# 设置词云图片
pic = imread(r'D:\chromeDownload\20140129184844_Rad4V.png')
# 实例词云对象,设置词云字体:font_path、背景颜色:background_color、词云形状:mask
w = wordcloud.WordCloud(font_path = r'C:\WINDOWS\Fonts\msyh.ttf',\
background_color = 'white',mask = pic)
# 生成词云
w.generate(txt)
# 生成图片
w.to_file(r'D:\python\test1.png')
这里有两个地方需要注意,使用scipy导入的imread设置词云图片和设置词云字体:font_path时,路径下的文件都需要手动下载。其中,图片可在百度任意下载,最好是黑底或白底,不然运行会报错。font_path需百度下载字体。
使用图片:
生成词云效果图:
这是wordcloud的所有参数,下面具体介绍一下各个参数:
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【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