python词云生成库-wordcloud

内容目录

      • 一、模块介绍
      • 二、WordCloud常用的方法
        • 1. generate(self, text)
        • 2. generate_from_frequencies(frequencies)
        • 3. fit_words(frequencies)
        • 4. generate_from_text(text)
      • 三、进阶技巧
        • 1. 设置蒙版
        • 2. 设置过滤词

WordCloud 是一个用于生成词云的 Python 库，它可以根据提供的文本数据创建出美观的视觉化图像，其中文本的大小和频率成比例。同时也提供了丰富的绘制功能, 可以结合 matplotlib 库进行复杂的操作
关键的方法就是WordCloud方法

一、模块介绍

导入模块

from wordcloud import WordCloud

该类的定义如下:

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='auto', regexp=None, collocations=True,colormap=None, normalize_plurals=True, contour_width=0,contour_color='black', repeat=False,include_numbers=False, min_word_length=0, collocation_threshold=30):... ...

其中各个参数和属性的说明如下:

font_path: 字符串, 词云中字体格式文件的路径
用于字体的字体路径（OTF或TTF）。默认为Linux机器上的DroidSansMono路径。如果你在其他操作系统上或没有这个字体，你需要调整这个路径。
width: 整数，默认=400, 画布的宽度。
height: 整数，默认=200, 画布的高度。
prefer_horizontal: 浮点数，默认=0.90
尝试水平适应相对于垂直适应的比例。如果 prefer_horizontal < 1，算法会在单词不适应时尝试旋转单词。（目前没有内置方法仅获取垂直单词。）
mask: 数组或None，默认=None
如果不为None，给出在何处绘制单词的二进制掩模。如果mask不为None，将忽略width和height，并使用mask的形状。所有白色（#FF或#FFFFFF）条目将被视为“屏蔽”，而其他条目则可以自由绘制。
contour_width: 浮点数，默认=0
如果mask不为None且contour_width > 0，绘制掩模轮廓。
contour_color: 颜色值，默认="black", 掩模轮廓颜色。
scale: 浮点数，默认=1
计算与绘制之间的缩放。对于大的词云图像，使用scale而不是更大的画布尺寸会显著更快，但可能导致单词的拟合更粗糙。
min_font_size: 整数，默认=4, 使用的最小字体大小。当这个大小没有更多空间时停止。
font_step: 整数，默认=1, 字体的步长。font_step > 1可能会加速计算，但可能给出较差的拟合。
max_words: 数量，默认=200, 最大单词数。
stopwords: 字符串集合或None
将被消除的单词。如果为None，将使用内置的STOPWORDS列表。如果使用generate_from_frequencies，则忽略。
background_color: 颜色值，默认="black", 词云图像的背景颜色。
max_font_size: 整数或None，默认=None
最大单词的最大字体大小。如果为None，则使用图像的高度。
mode: 字符串，默认="RGB"
当mode为"RGBA"且background_color为None时，将生成透明背景。
relative_scaling: 浮点数，默认='auto'
单词相对频率对字体大小的重要性。如果relative_scaling=0，只考虑单词排名。如果relative_scaling=1，频率是两倍的单词将有两倍的大小。如果你想同时考虑单词频率和不仅仅它们的排名，relative_scaling大约0.5通常看起来不错。如果为'auto'，则除非repeat为真，否则设置为0.5，此时设置为0。版本更新:: 2.0默认现在是'auto'。
color_func: 可调用，默认=None
有参数word, font_size, position, orientation, font_path, random_state的可调用函数，为每个单词返回一个PIL颜色。覆盖"colormap"。有关指定matplotlib色谱的信息，请参见colormap。要创建单色的词云，使用
color_func=lambda *args, **kwargs: "white"。单色也可以使用RGB代码指定。例如，
color_func=lambda *args, **kwargs: (255,0,0)设置颜色为红色。
regexp: 字符串或None（可选）
在process_text中分割输入文本为标记的正则表达式。如果指定为None，则使用r"\w[\w']+"。如果使用generate_from_frequencies，则忽略。
collocations: 布尔，默认=True
是否包括两个单词的搭配（二元组）。如果使用generate_from_frequencies，则忽略。
colormap: 字符串或matplotlib色谱，默认="viridis"
从每个单词随机抽取颜色的matplotlib色谱。如果指定了"color_func"，则忽略。
normalize_plurals: 布尔，默认=True
是否去除单词末尾的's'。如果为True，一个单词以's'结尾和不以's'结尾都出现时，去掉以's'结尾的单词并将它的计数加到没有's'结尾的版本上——除非单词以'ss'结尾。如果使用generate_from_frequencies，则忽略。
repeat: 布尔，默认=False
是否重复单词和短语直到达到max_words或min_font_size。
include_numbers: 布尔，默认=False, 是否将数字作为短语包含进来。
min_word_length: 整数，默认=0, 单词必须有的最少字母数才能被包含。
collocation_threshold: 整数，默认=30
大二元组必须具有高于此参数的Dunning似然性搭配分数才能被计为大二元组。默认值30是任意的。属性
words_: 字符串到浮点数的字典, 关联频率的单词令牌。2.0后words_ 是一个字典
layout_: 元组列表（（字符串, 浮点数）, 整数, （整数, 整数）, 整数, 颜色）
编码拟合的词云。对于每个单词，它编码字符串、规范化频率、字体大小、位置、方向和颜色。频率由最常出现的单词归一化。颜色格式为'rgb(R, G, B)'。

二、WordCloud常用的方法

1. generate(self, text)

接收一个字符串作为输入，计算文本中各单词的频率，并生成相应的词云。这是最基础也是最常用的方法之一。

from wordcloud import WordCloud
import matplotlib.pyplot as plt# 示例文本
text = "This is a simple example showing how to generate a word cloud using the generate method. Generate method uses the input text directly."# 创建WordCloud对象
wordcloud = WordCloud(width=800, height=800, max_words=100, background_color='white').generate(text)# 显示词云
plt.figure(figsize=(8, 8), facecolor=None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad=0)
plt.show()

在这里插入图片描述

2. generate_from_frequencies(frequencies)

直接接收一个字典，其中键是单词，值是该单词的频率，用来生成词云。这适用于已经计算好词频的情况。

from wordcloud import WordCloud
import matplotlib.pyplot as plt# 示例文本
dic = {'This': 120, 'example': 90, 'showing': 80, 'word': 70, 'cloud': 60, 'Generate': 50, 'method': 40, 'text': 30, 'input': 20, 'directly': 10}
# 创建WordCloud对象
wordcloud = WordCloud(width=800, height=800, max_words=100, background_color='white').generate_from_frequencies(dic)# 显示词云
plt.figure(figsize=(8, 8), facecolor=None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad=0)
plt.show()

在这里插入图片描述

3. fit_words(frequencies)

这个方法接收一个字典，其中键是单词，值是对应的频率，然后根据这些频率生成词云。类似于generate_from_frequencies

from wordcloud import WordCloud
import matplotlib.pyplot as plt# 示例文本
dic = {'This': 120, 'example': 90, 'showing': 80, 'word': 70, 'cloud': 60, 'Generate': 50, 'method': 40, 'text': 30, 'input': 20, 'directly': 10}
# 创建WordCloud对象
wordcloud = WordCloud(width=800, height=800, max_words=100, background_color='white').fit_words(dic)# 显示词云
plt.figure(figsize=(8, 8), facecolor=None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad=0)
plt.show()

在这里插入图片描述

4. generate_from_text(text)

接收一个字符串作为输入，计算文本中各单词的频率，并生成相应的词云。类似于generate。

from wordcloud import WordCloud
import matplotlib.pyplot as plt# 示例文本
text = "This is a simple example showing how to generate a word cloud using the generate method. Generate method uses the input text directly."# 创建WordCloud对象
wordcloud = WordCloud(width=800, height=800, max_words=100, background_color='white').generate_from_text(text)# 显示词云
plt.figure(figsize=(8, 8), facecolor=None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad=0)
plt.show()

在这里插入图片描述

三、进阶技巧

1. 设置蒙版

蒙版设置, 设置蒙版之后, 词云的形状就会显示为设置的蒙版形状

from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import numpy as np
from PIL import Imagemask_image = np.array(Image.open('./static/img.png'))# 示例文本
text = "This is a simple example showing how to generate a word cloud using the generate method. Generate method uses the input text directly."# 创建WordCloud对象
wordcloud = WordCloud(width=800, height=800, mask=mask_image, max_words=100, background_color='white')wordcloud.generate_from_text(text)# 显示词云
plt.figure(figsize=(8, 8), facecolor=None)
plt.imshow(wordcloud)
plt.axis("off")
plt.tight_layout(pad=0)
plt.show()

在这里插入图片描述

2. 设置过滤词

对于一些不希望出现的词, 可以通过设置stopword过滤, 实现方法有两种

  1. 在切词阶段, 将过滤词剔除, 过滤词要求是一个集合{}
  2. 在生成词云阶段, 使用stopword参数添加过滤词数组, 注意, 此时如果通过generate_from_frequencies方法生成, 此参数则忽略
    方式一:
stop_words = {'?', '，', '有', '其', '非常', '的', '为', '所', '：', '和', '”', "'", '\\u3000', '乎', '？', '这', '不', '在', '比', '“', '"', '而', '很', '被', '我', '那'}
datas = [... ...]  # 词云数据
cloud_data = []
for data in datas:qdatas = jieba.lcut(data)qdata_filter = [word for word in qdatas if word not in excludes]cloud_data.extend(qdata_filter)wordcloud = WordCloud(font_path='./static/msyh.ttc',background_color='white',colormap='magma',max_font_size=40,random_state=42,max_words=300,# 宽width=1000,# 高height=880,mask = mask_image
).generate(' '.join(cloud_data))

方式二:

stop_words = {'?', '，', '有', '其', '非常', '的', '为', '所', '：', '和', '”', "'", '\\u3000', '乎', '？', '这', '不', '在', '比', '“', '"', '而', '很', '被', '我', '那'}
datas = [... ...]  # 词云数据wordcloud = WordCloud(font_path='./static/msyh.ttc',background_color='white',colormap='magma',max_font_size=40,random_state=42,max_words=300,# 宽width=1000,# 高height=880,mask = mask_image,-- 设置过滤词stopwords=stop_words
).generate(datas)

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/24236.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

关于安装typescript后运行tsc -v命令报错问题

关于安装typescript后运行tsc -v命令报错问题

报错信息&#xff1a; tsc 不是内部或外部命令&#xff0c;也不是可运行的程序 或批处理文件。 没有配置环境变量&#xff0c;使用npm命令查看typescript的安装目录&#xff1a; npm config get prefix 根据控制台输出的目录&#xff0c;配置path环境变量 tsc -v 运行成功&…
阅读更多...
Apache Kylin：大数据分析从入门到精通

Apache Kylin：大数据分析从入门到精通

一、Kylin简介 Apache Kylin是一个分布式数据分析引擎，专为处理海量数据设计，能够在极短时间内对超大规模数据集进行OLAP（Online Analytical Processing）分析。Kylin通过预计算和高效的查询机制，为用户提供秒级的查询响应时间，支持与Hadoop、Hive、HBase等大数据平台无缝…
阅读更多...
开源模型应用落地-LangChain高阶-LCEL-表达式语言（二）

开源模型应用落地-LangChain高阶-LCEL-表达式语言（二）

一、前言 尽管现在的大语言模型已经非常强大，可以解决许多问题，但在处理复杂情况时，仍然需要进行多个步骤或整合不同的流程才能达到最终的目标。然而，现在可以利用langchain来使得模型的应用变得更加直接和简单。 LCEL是什么？ LCEL是一种非常灵活和强大的语言,可以帮助您更…
阅读更多...
鸿蒙轻内核M核源码分析系列十七（3） 异常信息ExcInfo

鸿蒙轻内核M核源码分析系列十七（3） 异常信息ExcInfo

本文中所涉及的源码&#xff0c;以OpenHarmony LiteOS-M内核为例&#xff0c;均可以在开源站点 https://gitee.com/openharmony/kernel_liteos_m 获取。鸿蒙轻内核异常钩子模块代码主要在components\exchook目录下。 1、异常信息的宏定义、枚举和结构体 在文件components\exch…
阅读更多...
[DT] 翻译笔记

[DT] 翻译笔记

这本书由129位作者贡献了50章。这一章是本书每一章的一般介绍。从第二章开始&#xff0c;介绍了数字孪生的概念、架构描述、设计规范和应用场景。第2节介绍了数字孪生的概念和发展。第3节介绍了促进数字孪生发展的核心技术。第4节介绍了数字孪生的一般框架和构建方法。第5节介绍…
阅读更多...
PHP小方法

PHP小方法

一、随机生成姓名 二、随机获取身份证 三、随机获取手机号 四、随机获取省 五、通过身份证获取生日和性别 六、通过身份证获取年龄 七、获取访问IP 八、获取访问URL地址 九、陆续增加 //一、随机生成姓名 function generateName(){$arrXing getXingList();$numbXing …
阅读更多...
C++中的lambda表达式详解

C++中的lambda表达式详解

Lambda表达式是一种可以在代码中定义匿名函数的方式&#xff0c;通常用于简化代码&#xff0c;使其更紧凑和易读。它的语法如下&#xff1a; [capture](parameters) -> return_type { body }下面逐个解释每个部分&#xff1a; 1. 捕获列表 (capture) 捕获列表用于指定哪些…
阅读更多...
计算机组成实验---Cache的实现

计算机组成实验---Cache的实现

直接映射 先看懂cache的映射原理&#xff0c;根据cache大小与主存大小来计算各个信号线的位数 各个信号线位数 主存地址在逻辑上分为区号、块号、块内地址 Cache结构 Cache访问原理 基本过程 状态机&#xff1a;“三段式”实现 6.3 Verilog 状态机 | 菜鸟教程 (runoob.com) …
阅读更多...
算法：226. 翻转二叉树

算法：226. 翻转二叉树

给你一棵二叉树的根节点 root &#xff0c;翻转这棵二叉树&#xff0c;并返回其根节点。 示例 1&#xff1a; 输入&#xff1a;root [4,2,7,1,3,6,9] 输出&#xff1a;[4,7,2,9,6,3,1]示例 2&#xff1a; 输入&#xff1a;root [2,1,3] 输出&#xff1a;[2,3,1]示例 3&#x…
阅读更多...
03-3.2.3 队列的链式存储的实现

03-3.2.3 队列的链式存储的实现

&#x1f44b; Hi, I’m Beast Cheng&#x1f440; I’m interested in photography, hiking, landscape…&#x1f331; I’m currently learning python, javascript, kotlin…&#x1f4eb; How to reach me --> 458290771qq.com 喜欢《数据结构》部分笔记的小伙伴可以订…
阅读更多...
服务监控-微服务小白入门（5）

服务监控-微服务小白入门（5）

背景 什么是服务监控 监视当前系统应用状态、内存、线程、堆栈、日志等等相关信息&#xff0c;主要目的在服务出现问题或者快要出现问题时能够准确快速地发现以减小影响范围。 为什么要使用服务监控 服务监控在微服务改造过程中的重要性不言而喻&#xff0c;没有强大的监控…
阅读更多...
draw.io 如何设置图形圆角？

draw.io 如何设置图形圆角？

draw.io 如何设置图形圆角呢&#xff1f; draw.io 是一款强大的&#xff0c;免费的开源工具&#xff0c;我经常用它来画流程图&#xff0c;但是我发现 draw.io 对于图形圆角的设置&#xff0c;只提供了一个设置选项&#xff0c;如下图&#xff1a; 当你选中某个图形&#xff0…
阅读更多...
啵啵啵啵啵啵啵啵啵啵啵啵啵啵啵

啵啵啵啵啵啵啵啵啵啵啵啵啵啵啵

欢迎关注博主 Mindtechnist 或加入【智能科技社区】一起学习和分享Linux、C、C、Python、Matlab&#xff0c;机器人运动控制、多机器人协作&#xff0c;智能优化算法&#xff0c;滤波估计、多传感器信息融合&#xff0c;机器学习&#xff0c;人工智能等相关领域的知识和技术。关…
阅读更多...
通过U盘将第三方软件安装到各大品牌电视的方法

通过U盘将第三方软件安装到各大品牌电视的方法

在本教程中&#xff0c;小武给大家整理了通过U盘的方式安装第三方软件到电视盒子上&#xff0c;可直接使用通用U盘的方式来进行安装。 如果您相应电视品牌按通用方式无法完成需求&#xff0c;下面为您也贴心整理了20款主流智能电视和电视盒子的U盘安装指南。这些步骤适用于小米…
阅读更多...
docker与docker-compose安装

docker与docker-compose安装

1.1 安装工具 sudo yum install -y yum-utils device-mapper-persistent-data lvm21.2 添加docker的yum库 yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo sudo yum makecache fast1.3 安装Docker sudo yum install docke…
阅读更多...
GPT-4o：突出优势 和 应用场景

GPT-4o：突出优势 和 应用场景

还是大剑师兰特&#xff1a;曾是美国某知名大学计算机专业研究生&#xff0c;现为航空航海领域高级前端工程师&#xff1b;CSDN知名博主&#xff0c;GIS领域优质创作者&#xff0c;深耕openlayers、leaflet、mapbox、cesium&#xff0c;canvas&#xff0c;webgl&#xff0c;ech…
阅读更多...
2024世界人工智能大会青年优秀论文TOP20发布

2024世界人工智能大会青年优秀论文TOP20发布

作为 WAIC 2024 针对青年科学家的重要奖项&#xff0c;该奖项关注人工智能基础理论、数学基础、机器学习、计算机视觉与模式识别、自然语言处理等前沿领域。 2024 年 3 月&#xff0c;《关于推荐“2024 世界人工智能大会青年优秀论文奖”参评论文的通知》发布&#xff0c;面向…
阅读更多...
window安装苹果虚拟机

window安装苹果虚拟机

vmware workstation pro 17.5 安装 macos 13.5.2 虚拟机超详细图文教程_vmware workstation 17.5.0 pro unlocker & oem bios -CSDN博客
阅读更多...
【JVM】从编译后的指令集来再次理解++i和i++的执行顺序

【JVM】从编译后的指令集来再次理解++i和i++的执行顺序

JVM为什么要选用基于栈的指令集架构 与基于寄存器的指令集架构相比&#xff0c;基于栈的指令集架构不依赖于硬件&#xff0c;因此可移植性更好&#xff0c;跨平台性更好因为栈结构的特性&#xff0c;永远都是先处理栈顶的第一条指令&#xff0c;因此大部分指令都是零地址指令&…
阅读更多...
利用keepalived对zabbix-server做高可用，部署安装keepalived

利用keepalived对zabbix-server做高可用，部署安装keepalived

有2台机器&#xff0c;每台都有1个zabbix-server&#xff0c;然后再每台上再装一个keepalived https://www.keepalived.org/download.html 1&#xff0c;创建安装路径 mkdir /usr/share/keepalived/2&#xff0c;在这个安装路径下面下载keepalived的软件包 我选的版本是1.3…
阅读更多...
最新文章

Copyright @ 2022~2023