WordCloud词云

WordCloud()的参数

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 : ndarray 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
max_font_size : int or None (default=None) //显示的最大的字体大小
max_words : number (default=200) //要显示的词的最大个数
background_color : color value (default=”black”)
//背景颜色，如background_color=‘white’,背景颜色为白色。
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

生成词云的方式

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

（1）一个简单的词云

from wordcloud import WordCloud
import matplotlib.pyplot as plttext=open("test.txt").read()
wordcloud = WordCloud().generate(text)#将文本放入WordCoud容器对象中并分析plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()# 保存文件
wordcloud.to_file('wordcloud.png')

from wordcloud import WordCloud
import matplotlib.pyplot as plttext=open("test.txt").read()
wordcloud =  WordCloud(font_path='C:\\Windows\\Fonts\\msyh.ttc', width=800, height=600, mode='RGBA', background_color=None).generate(text)plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()# 保存文件
wordcloud.to_file('wordcloud.png')

（2）带形状的词云

下载一幅图片保存下来（如命名为map4.jpg）

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
#PIL（Python Image Library）是python平台图像处理标准库，功能是真的强大。mask = np.array(Image.open("map4.jpg"))中使用text=open("test.txt").read()
mask = np.array(Image.open("map4.jpg"))
wordcloud = WordCloud(mask=mask).generate(text)plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()# 保存文件
wordcloud.to_file('wordcloud.png')

（3）中文的、有形状的词云

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
import jieba
from PIL import Image
#PIL（Python Image Library）是python平台图像处理标准库，功能是真的强大。mask = np.array(Image.open("map4.jpg"))中使用text=open("test2.txt",encoding="utf-8").read()
text  = " ".join(jieba.cut(text))# 分词后在单独个体之间加上空格
mask = np.array(Image.open("map4.jpg"))
wordcloud = WordCloud(mask=mask,font_path = "C:\\Windows\\Fonts\\msyh.ttc").generate(text) # 显示词云
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()# 保存到文件
wordcloud.to_file('wordcloud3.png')

（4）给词云添加轮廓
①

from wordcloud import WordCloud
import matplotlib.pyplot as plt
from PIL import Image
import numpy as npkeyword = """前夜：管虎、黄渤、王千源、欧豪、梁静、佟大为相遇：张一白、张译、任素汐、张嘉译、周冬雨、彭昱畅夺冠：徐峥、吴京、马伊琍、徐峥、刘涛、张建亚、韩昊霖、樊雨洁回归：薛晓路、杜江、朱一龙、惠英红、高亚麟、王洛勇、任达华北京你好：宁浩、葛优、龚蓓苾、王东白昼流星：陈凯歌、刘昊然、陈飞宇、江珊、田壮壮护航：文牧野、宋佳、佟丽娅、张子枫、雷佳音、韩东君"""
mask = np.array(Image.open("map1.png"))
wordcloud = WordCloud(font_path='C:\\Windows\\Fonts\\msyh.ttc',background_color='white',mask=mask).generate(keyword)# 显示词云
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()# 保存到文件
wordcloud.to_file("test13_imread_zhong.jpg")

②勾勒词云图形轮廓线
（在原代码基础上增加以下这两个属性就有轮廓了）

完整代码：

from wordcloud import WordCloud
import matplotlib.pyplot as plt
from PIL import Image
import numpy as npkeyword = """前夜：管虎、黄渤、王千源、欧豪、梁静、佟大为相遇：张一白、张译、任素汐、张嘉译、周冬雨、彭昱畅夺冠：徐峥、吴京、马伊琍、徐峥、刘涛、张建亚、韩昊霖、樊雨洁回归：薛晓路、杜江、朱一龙、惠英红、高亚麟、王洛勇、任达华北京你好：宁浩、葛优、龚蓓苾、王东白昼流星：陈凯歌、刘昊然、陈飞宇、江珊、田壮壮护航：文牧野、宋佳、佟丽娅、张子枫、雷佳音、韩东君"""
mask = np.array(Image.open("map1.png"))
wordcloud = WordCloud(font_path='C:\\Windows\\Fonts\\msyh.ttc',background_color='white',contour_width=10,  # 词云形状边宽宽度contour_color='red',  # 词云形状边宽颜色mask=mask).generate(keyword)# 显示词云
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()# 保存到文件
wordcloud.to_file("test13_imread_zhong.jpg")

③

import wordcloud
import jieba
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np# 读取当前项目路径中的.txt文件
text =open("test3.txt",'r',encoding='utf-8').read()
text = ' '.join(jieba.cut(text))
mask = np.array(Image.open("map6.png"))
wordcloud = wordcloud.WordCloud(font_path='C:\\Windows\\Fonts\\msyh.ttc',scale=6,max_words=20000,background_color='white',contour_width=25,  # 词云形状边宽宽度contour_color='red',  # 词云形状边宽颜色mask=mask).generate(text)
# 显示词云
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()wordcloud.to_file("map15.jpg")

如果你会抠图，那么作词云也就会很好看

from wordcloud import WordCloud, ImageColorGenerator
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba.analyse# 打开文本
text = open('test2.txt',encoding='utf-8').read()# 提取关键词和权重
freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True)
print(freq[:20])
freq = {i[0]: i[1] for i in freq}
'''
jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=())
sentence 为待提取的文本
topK 为返回几个 TF/IDF 权重最大的关键词，默认值为 20
(我们要200个，如果是20个词就太少了，形成的词云看起来就不像唐僧的模样了)
withWeight 为是否一并返回关键词权重值，默认值为 False
'''mask = np.array(Image.open("map5.jpg"))
wc = WordCloud(mask=mask, font_path='C:\\Windows\\Fonts\\msyh.ttc',contour_width=5,contour_color='red',background_color='white').generate_from_frequencies(freq)
#generate_from_frequencies(frequencies[, …]) //根据词频生成词云 image_colors = ImageColorGenerator(mask)# 从图片中生成颜色
wc.recolor(color_func=image_colors)
'''ImageColorGenerator(image, default_color=None)是基于彩色图像的颜色生成器。
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。
构造后，该对象传递给词云recolor方法。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。
'''plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()wc.to_file('wordcloud8.png')

WordCloud词云相关推荐

Python 数据可视化：WordCloud 词云的构建
WordCloud 官方文档:https://amueller.github.io/word_cloud/index.html WordCloud GitHub 地址:https://github.c ...
python数据挖掘学习笔记】十三.WordCloud词云配置过程及词频分析
#2018-03-28 09:59:40 March Wednesday the 13 week, the 087 day SZ SSMR 11,12因为涉及到数据库被我暂时放弃了 python数据挖 ...
【Python】Wordcloud 词云
本周为大家带来炫酷好玩的 wordcloud 词云构造库. 使用 wordcloud 可以做出这样的图片: 还可以做出这样的: 接下来,我们来学习如何制作属于自己的词云图. 本来想说一句,安装过程不表 ...
Python实现的《芳华》WordCloud词云+LDA主题模型
WordCloud 词云 + LDA 主题模型何小嫚&刘峰原图.jpg 人物词云效果.jpg 电影<芳华>在春节重映了一波,加上之前的热映,最终取得了 14 亿票房的好成绩.严歌 ...
WordCloud词云（超详细）
WordCloud词云-学习 1. 安装 wordcloud 模块 2. wordcloud 简介 3. wordcloud 如何将文本转化为词云 4. WordCloud(<参数>)介绍 ...
wordcloud 词云制作
文章目录介绍安装导入基本步骤主要方法及参数类`wordcloud.WordCloud(**kwargs)` 参数方法属性函数`wordcloud.random_color_func( ...
Win10安装wordcloud(词云)的方法
一.在安装wordcloud(词云)之前一定要记得先安装pillow和numpy windous. ①按windows+R ,输入cmd ②输入 pip install pillow ③输入 pip ...
python中文分词器－jieba分词器详解及wordcloud词云生成
jieba分词 jieba分词支持三种分词模式: 精确模式, 试图将句子最精确地切开,适合文本分析全模式,把句子中所有的可以成词的词语都扫描出来,速度非常快,但是不能解决歧义搜索引擎模式,在精确模 ...
深度学习项目实战——1.基于WordCloud词云生成
深度学习项目实战--1.基于WordCloud词云生成准备安装依赖库 pip install wordcloud matplotlib jieba pillow WordCloud()可选的参数 ...
WordCloud词云实现电视剧评论可视化
以腾讯视频平台上电视剧<琅琊榜>为例,爬取评论进行可视化汇总 1.首先浏览器打开腾讯视频网站播放<琅琊榜>,按F12进入开发者工具调试,点击网页上"查看更多评论&qu ...

WordCloud词云

WordCloud词云相关推荐

最新文章

热门文章