python wordcloud生成词云

1、安装

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 

2、使用wordcloud生成词云

wordcloud库常规方法

步骤一： 配置对象参数

• 分割：以空格分割单词
• 统计：单词出现次数并过滤
• 字体：根据统计配置字号
• 布局：颜色环境尺寸

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：

1. 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'
2.  
3. width : int (default=400) //输出的画布宽度，默认为400像素
4.  
5. height : int (default=200) //输出的画布高度，默认为200像素
6.  
7. 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 ）
8.  
9. 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。
10. 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。
11.  
12. min_font_size : int (default=4) //显示的最小的字体大小
13.  
14. 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。
15.  
16. max_words : number (default=200) //要显示的词的最大个数
17.  
18. 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
19.  
20. background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
21.  
22. max_font_size : int or None (default=None) //显示的最大的字体大小
23.  
24. mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
25.  
26. relative_scaling : float (default=.5) //词频和字体大小的关联性
27.  
28. color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
29.  
30. regexp : string or None (optional) //使用正则表达式分隔输入的文本
31.  
32. collocations : bool, default=True //是否包括两个词的搭配
33.  
34. 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。
35.  
36. fit_words(frequencies) //根据词频生成词云【frequencies，为字典类型】
37.  
38. generate(text) //根据文本生成词云
39.  
40. generate_from_frequencies(frequencies[, ...]) //根据词频生成词云
41.  
42. generate_from_text(text) //根据文本生成词云
43.  
44. 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) ）
45.  
46. 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。
47.  
48. to_array() //转化为 numpy array
49.  
50. to_file(filename) //输出到文件