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.com/amueller/word_cloud
Python非常重要的一个可视化库，wordcloud词云库了解一下！：https://www.bilibili.com/video/av26266917
一个免费的生成词云(word cloud)的在线工具：https://segmentfault.com/a/1190000016827687
python词云 wordcloud 入门：https://blog.csdn.net/tanzuozhev/article/details/50789226
Python第三方库wordcloud（词云）快速入门与进阶：https://blog.csdn.net/qq_34337272/article/details/79552929

词云可视化：安装模块 wordcloud： pip install wordcloud

什么是词云

词云又叫文字云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。

准备工作：

python开发环境、wordcloud、jieba、matplotlib、numpy 、PIL 等库文件安装好。

安装完成以后 ( 命令行使用方式 )
wordcloud_cli --text in.txt --imagefile out.png --mask in.png
text 是词云来源，mask 是背景框架，imagefile 输出的文件
wordcloud_cli --help 查看所有支持的命令参数

wordcloud生成词云的原理简介

wordcloud生成词云的原理其实并不复杂，大体分成5步（具体可自行查看源码）：

1.wordcloud制作词云时，首先要对对文本数据进行分词，使用process_text（）方法，这一步的主要任务是去除停用词
2.第二步是计算每个词在文本中出现的频率，生成一个哈希表。词频用于确定一个词的重要性
3.根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap 是该词云的算法所在，是词云的数据可视化方式的核心。生成词的颜色、位置、方向等
4.最后将词按对应的词频在词云布局图上生成图片，核心方法是generate_from_frequencies,不论是generate（）还是generate_from_text（）都最终用到generate_from_frequencies
完成词云上各词的着色,默认是随机着色
5.词语的各种增强功能大都可以通过wordcloud的构造函数实现，里面提供了22个参数，还可以自行扩展。

wordcloud.WordCloud 类的参数说明

class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,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=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)

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’如果不指定字体中文字的显示不出来
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。
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。

示例：

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Author      : 
# @File        : test.py
# @Software    : PyCharm
# @description : XXXimport jieba
from os import path
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDSdef test_1():"""不是用背景图片:return:"""f = open("e:/shijing_guanju.txt", "r")t = f.read()f.close()ls = jieba.lcut(t)txt = " ".join(ls)w = WordCloud(width=1000, height=700,background_color="white",# font_path="MSYH.ttc"  # 没有设置字体可能出现，词云的结果均为方框。建议设置MSYH.ttc（微软雅黑）font_path="simsun.ttc"  # 设置微软雅黑报错，这里设置 宋体)w.generate(txt)w.to_file("e:/word_cloud_1.png")  # 在程序当前目录，word_cloud_1.pngdef test_2():"""使用背景图片:return:"""mask = imread("e:/china_map.jpg")  # 设置背景图片china_map.jpgexcludes = {}f = open("e:/shijing_guanju.txt", "r")t = f.read()f.close()ls = jieba.lcut(t)txt = " ".join(ls)w = WordCloud(width=550, height=500,background_color="white",font_path="simsun.ttc",  # 没有设置字体可能出现，词云的结果均为方框。建议设置MSYH.ttc（微软雅黑）mask=mask)w.generate(txt)w.to_file("e:/word_cloud_2.png")  # 在程序当前目录，word_cloud_1.pngdef test_3():# 读入背景图片abel_mask = np.array(Image.open("/home/djh/PycharmProjects/source/test.jpg"))# 读取要生成词云的文件text_from_file_with_apath = open('/home/djh/PycharmProjects/source/a.txt').read()# 通过jieba分词进行分词并通过空格分隔word_list_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=True)wl_space_split = " ".join(word_list_after_jieba)# my_word_cloud = WordCloud().generate(wl_space_split) 默认构造函数my_word_cloud = WordCloud(background_color='white',   # 设置背景颜色mask=abel_mask,             # 设置背景图片max_words=200,              # 设置最大现实的字数stopwords=STOPWORDS,        # 设置停用词font_path='/home/djh/win_font/simkai.ttf',  # 设置字体格式，如不设置显示不了中文max_font_size=50,      # 设置字体最大值random_state=30,       # 设置有多少种随机生成状态，即有多少种配色方案scale=.5).generate(wl_space_split)# 根据图片生成词云颜色image_colors = ImageColorGenerator(abel_mask)# my_word_cloud.recolor(color_func=image_colors)# 以下代码显示图片plt.imshow(my_word_cloud)plt.axis("off")plt.show()def test_4():"""简易版:return:"""f = open(u'txt/AliceEN.txt', 'r').read()wordcloud = WordCloud(background_color="white", width=1000, height=860, margin=2).generate(f)# width,height,margin可以设置图片属性# 你可以通过font_path参数来设置字体集# background_color参数为设置背景颜色,默认颜色为黑色plt.imshow(wordcloud)plt.axis("off")plt.show()wordcloud.to_file('test.png')# 保存图片,但是在第三模块的例子中 图片大小将会按照 mask 保存def test_5():"""进阶版:return:"""d = path.dirname(__file__)# Read the whole text.text = open(path.join(d, 'alice.txt')).read()# read the mask / color image taken from# http://jirkavinse.deviantart.com/art/quot-Real-Life-quot-Alice-282261010alice_coloring = np.array(Image.open(path.join(d, "alice_color.png")))# 设置停用词stopwords = set(STOPWORDS)stopwords.add("said")# 你可以通过 mask 参数 来设置词云形状wc = WordCloud(background_color="white", max_words=2000, mask=alice_coloring,stopwords=stopwords, max_font_size=40, random_state=42)# generate word cloudwc.generate(text)# create coloring from imageimage_colors = ImageColorGenerator(alice_coloring)# show# 在只设置mask的情况下,你将会得到一个拥有图片形状的词云plt.imshow(wc, interpolation="bilinear")plt.axis("off")plt.figure()# recolor wordcloud and show# we could also give color_func=image_colors directly in the constructor# 我们还可以直接在构造函数中直接给颜色# 通过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.figure()plt.imshow(alice_coloring, cmap=plt.cm.gray, interpolation="bilinear")plt.axis("off")plt.show()if __name__ == '__main__':test_1()# test_2()# test_3()# test_4()# test_5()pass