用Python制作词云——————python

青旅半醒 2022-04-10 08:30 472阅读 0赞

昨天利用[某个网站][Link 1]做了一个词云，感觉效果不错，

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70]

于是想到之前看过有人用Python制作类似的图片

我的环境：

*  Windows 10 教育版
 *  Python 版本：Python 3.7.1
 *  编译器：Pycharm

# 简单的词云 #

第一步，找到一段文字，这个是英剧"Yes, minister"的，维基百科上这部剧的介绍词条。然后命名为 yes-minister.txt，将其和代码保存在同一个文件夹下  
![在这里插入图片描述][20190101115957347.png]

第二步，安装wordcloud库  
点击file->Settings…->Project:python->Project Interpreter  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 1]

然后点击那个加号  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 2]

点击之后，在搜索栏里输入wordcloud，选中wordcloud，点击安装  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 3]

安装成功后，就是来分析代码了(如果安装失败，请自行百度错误原因)  
另外，我们还需要具有PIL库

*  PIL：Python Imaging Library，python图像处理库，这个库支持多种文件格式，并提供了强大的图像处理和图形处理能力

代码如下，结果如下：

import PIL.Image as image
    from wordcloud import WordCloud
    filename = "yes-minister.txt"
    with open(filename,'rb') as f:
        text = f.read()
    text = text.decode('utf-8')
    wordcloud = WordCloud().generate(text)
    image_produce = wordcloud.to_image()
    image_produce.show()

生成的图云是这样子的：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 4]

怎么样，仅仅由九行的代码做成的，是不是很酷！

--------------------

如果你是Python的初学者，或者对上边的代码有不理解的地方，请继续往下看（大佬请忽略）

让我们一句一句的分析代码(自己也复习一下Python哈哈)：

import PIL.Image as image
    from wordcloud import WordCloud

*  `import PIL.Image as image`其中，as 保留字与 import 一起使用能够改变后续代码中库的命名空间，有助于提高代码的可读性。简单地说，在程序的后续部分，image代替PIL.Image
 *  `from wordcloud import WordCloud`,对`wordcloud`库中的`WordCloud`函数可以直接采用`WordCloud()`形式使用

filename = "yes-minister.txt"
    with open(filename) as f:
        text = f.read()

*  `filename`是需要打开文件的路径，
 *  [点击查看 python 使用 with open（） as][python _ with open_ as]，这个语句简化了读写文件的操作，详情请点击查看

text = text.decode('utf-8')
    wordcloud = WordCloud().generate(text)
    image_produce = wordcloud.to_image()
    image_produce.show()

*  decode() 方法以 encoding 指定的编码格式解码字符串。默认编码为字符串编码。此处encoding是’utf-8’,[点击查看Python decode()方法][Python decode]

用 `wordcloud.generate(text)` 可以完成三项工作。

*  文本预处理
 *  词频统计
 *  将高频词以图片形式进行彩色渲染

然后转化为图片(`image_produce = wordcloud.to_image()`)，显示(`image_produce.show()`)就能看到了

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 5]

# 自定义蒙版词云制作 #

import PIL.Image as image
    from wordcloud import WordCloud
    import imageio
    file = "yes-minister.txt"
    bg_pic = imageio.imread('water1.jpg')
    #背景图片
    with open(file,'rb') as f:
        text = f.read()
    text = text.decode('utf-8')
    wordcloud = WordCloud(mask=bg_pic , background_color='white').generate(text)
    wordcloud.to_file('3.jpg')
    image_produce = wordcloud.to_image()
    image_produce.show()

*  `bg_pic = imageio.imread('water1.jpg')` 读入背景图片  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 6]
 *  `wordcloud = WordCloud(mask=bg_pic , background_color='white').generate(text)`，设置词云的蒙版为`bg_pic`，背景为白色，然后根据`text`生成词云，效果如下  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 7]
 *  `wordcloud.to_file('3.jpg')` 保存为名字为3.jpg的图片  
    当然还有其他形式的  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 8]

# 中文词云制作 #

来来来，先看一下代码，然后分析

# wordcloud 生成中文词云
    
    import PIL.Image as image
    import jieba
    import matplotlib.pyplot as plt
    from wordcloud import WordCloud
    from imageio import imread
    
    # 读入妖神记的文件 all.txt
    with open("all.txt",'rb') as f:
        comment_text = f.read()
    comment_text = comment_text.decode('utf-8')
    # 结巴分词，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
    cut_text = " ".join(jieba.cut(comment_text))
    color_mask = imread("water1.jpg")
    cloud = WordCloud(
        # 设置字体，不指定的话会乱码
        font_path="STSONG.TTF",
        # 设置背景色
        background_color="white",
        # 词云形状
        mask=color_mask
    )
    # 产生词云
    word_cloud = cloud.generate(cut_text)
    # 保存图片
    word_cloud.to_file("1.jpg")
    image_produce = word_cloud.to_image()
    image_produce.show()

效果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 9]

--------------------

附`WordCloud`的所有参数

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 : 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。
    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。
    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

[Link 1]: https://wordart.com/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70]: /images/20220401/e711edda1c384c06a2fb81ca5a5457e1.png
[20190101115957347.png]: /images/20220401/c94a6075782f470a9887e44f74b8e923.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 1]: /images/20220401/5709a0ac0bf04a9a9bf731702860bd1d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 2]: /images/20220401/621d41fa6a5549b68c1c32f9cb3c70bf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 3]: /images/20220401/7ba5d313f3764fa1b1d46962109b3995.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 4]: /images/20220401/db613f061a8449ad841fb672377fef63.png
[python _ with open_ as]: https://blog.csdn.net/xrinosvip/article/details/82019844
[Python decode]: http://www.runoob.com/python/att-string-decode.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 5]: /images/20220401/39b5a5477dd44fb5ae8bb62ad83d81e0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 6]: /images/20220401/a1192ffce82644ca8baff4fcac9cfaa3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 7]: /images/20220401/3bab5ca4ecce4499871f1aefcf302d78.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 8]: /images/20220401/1c29d40affbf4ab8bea50ad2df2d15e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0hwdWVyX1JhbmRvbQ_size_16_color_FFFFFF_t_70 9]: /images/20220401/647e89d5932d417b9592f776378ff1d9.png