python wordcloud详解_wordcloud详解

word_cloud是python的一个三方库,称为词云也叫做文字云,是根据文本中的词频,对内容进行可视化的汇总.

下载与安装

安装word_cloud可以使用 python 自带的 pip 工具来进行

首先确保已经安装python与pip并且pip以及更新到最新版本.

这里使用的python版本为3.7,pip版本为19.2.1

word_cloud依赖于numpy与pillow,当然如果只想将图像保存成图片文件,

使用matplotlib库代替也可以,此处索性就将三个库都安装好.

pip install numpy

pip install pillow

pip install matplotlib

安装完成后,再安装word_cloud

pip install wordcloud

如果安装失败,可以去github主页下载zip包

根据文本绘制

word_cloud的使用非常简单,一下的demo展示了如何从字符串中生成词频图并保存的

# -*- coding: utf-8 -*-

from wordcloud import WordCloud

text = "dog cat fish bird cat cat dog"

wc = WordCloud()

wc.generate(text)

wc.to_file("1.png")

word_cloud从给定的text中按空格读取单词,出现次数越多的单词,在生成的图像越大,效果图如下

默认效果.png

控制绘制参数

上面的例子比较粗糙,为了更精细化的控制,word_cloud提供了大量参数用来控制图像的生

属性名

示例

说明

background_color

background_color='white'

指定背景色,可以使用16进制颜色

width

width=600

图像长度默认400 单位像素

height

height=400

图像高度默认200

margin

margin=20

词与词之间的边距默认2

scale

scale=0.5

缩放比例对图像整体进行缩放默认为1

prefer_horizontal

prefer_horizontal=0.9

词在水平方向上出现的频率,默认为0.9

min_font_size

min_font_size=10

最小字体默认为4

max_font_size

max_font_size=20

最大字体默认为200

font_step

font_step=2

字体步幅控制在给定text遍历单词的步幅默认为1 一般不用修改对于较大text 增大font_step会加快读取速度但会牺牲部分准确性

stopwords

stopwords=set('dog')

设置要过滤的词以字符串或者集合作为接收参数如不设置将使用默认的停动词词库

mode

mode='RGB'

设置显色模式默认RGB 如果为RGBA且background_color不为空时，背景为透明

relative_scaling

relative_scaling=1

词频与字体大小关联性默认为5 值越小变化越明显

color_func

color_func=None

生成新颜色的函数如果为空则使用 self.color_func

regexp

regexp=None

默认单词是以空格分割,如果设置这个参数将根据指定函数来分割

width

regexp=None

默认400 单位像素

collocations

collocations=False

是否包含两个词的搭配默认为True

colormap

colormap=None

给所有单词随机分配颜色指定color_func则忽略

random_state

random_state=1

为每个单词返回一个PIL颜色

font_path

font_path='PangMenZhengDaoBiaoTiTi-1.ttf'

指定字体

mask

mask=None

指定背景图,会将单词填充在背景图像素非白色(#FFFFFF RGB(255,255,255))的地方

利用属性设置一下图像,效果如下

from wordcloud import WordCloud

text = "dog cat fish bird cat cat dog"

wc = WordCloud(

background_color='white',

width=600,

)

wc.generate(text)

wc.to_file("1.png")

简单设置一下背景和长度.png

中文乱码问题解决

在使用word_cloud处理中文时,会出现乱码,如下

from wordcloud import WordCloud

text = "张三李四王五"

wc = WordCloud(

background_color='white',

width=600,

)

wc.generate(text)

wc.to_file("1.png")

默认字体中文乱码.png

这是由于word_cloud自带的字体DroidSansMono.ttf不支持中文

解决方法为使用支持中午跟的字体替代(注意版权),下面例子使用旁门正道字体

from wordcloud import WordCloud

text = "张三李四王五"

wc = WordCloud(

background_color='white',

font_path="PangMenZhengDaoBiaoTiTi-1.ttf"

)

wc.generate(text)

wc.to_file("1.png")

指定字体后.png

在指定背景图上生成

使用numpy与matplotlib库,可以在指定背景图上生成词云

# -*- coding: utf-8 -*-

import numpy as np

import matplotlib.pyplot as plt

from PIL import Image

from wordcloud import WordCloud, ImageColorGenerator

text = "dog cat fish bird lino tiger monkey rabbit koala panda snake"

# 加载背景图

color_mask = np.array(Image.open("f.jpeg"))

wc = WordCloud(

mask=color_mask,background_color='white'

)

wc.generate(text)

image_colors = ImageColorGenerator(color_mask)

# 在只设置mask的情况下会得到一个拥有图片形状的词云 axis默认为on 会开启边框

plt.imshow(wc, interpolation="bilinear")

plt.axis("off")

plt.savefig("a.jpg")

# 直接在构造函数中直接给颜色这种方式词云将会按照给定的图片颜色布局生成字体颜色策略

plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")

plt.axis("off")

plt.savefig("b.jpg")

原始图

按轮廓生成.jpg

按轮廓按颜色生成.jpg

给定的词数比较少,导致效果不是太明显,增加一下text内容即可

numpy与matplotlib的用法此处不做具体讲解,仅最简单使用