python詞云庫wordcloud的使用方法與實例詳解

更新時間：2020年02月17日 13:28:03 作者：face丶

這篇文章主要介紹了python詞云庫wordcloud的使用方法與實例詳解,需要的朋友可以參考下

wordcloud是優(yōu)秀的詞云展示第三方庫

一、基本使用

import jieba
import wordcloud
txt = open("1.txt", "r", encoding='utf-8').read()

words = jieba.lcut(txt)
txt_1 = " ".join(words)
# print(txt1)
w = wordcloud.WordCloud(font_path="msyh.ttc",
      width=1000, height=700, background_color="white",
      )
w.generate(txt_1)
w.to_file("ciyun.png")

二、按圖片形狀生成

import jieba
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import numpy as np
from PIL import Image

txt = open("C:/Users/96356/Desktop/1.txt", "r", encoding='utf-8').read()

words = jieba.lcut(txt)
txt_1 = " ".join(words)
photo = np.array(Image.open('C:/Users/96356/Desktop/2.png'))
# from scipy.misc import imread
# china=imread('C:/Users/96356/Desktop/2.png') #scipy.misc方式都可以讀取圖片

w = WordCloud(font_path="msyh.ttc",
    mask=photo,
    background_color="white",
    )
w.generate(txt_1)
w.to_file("ciyun.png")

三、WordCloud參數詳解

from wordcloud import WordCloud

參數	作用
font_path	字體路徑，需要展現什么字體就把該字體路徑+后綴名寫上，如：font_path = ‘黑體.ttf'
width	輸出的畫布寬度，默認為400像素
height	輸出的畫布高度，默認為200像素
prefer_horizontal	詞語水平方向排版出現的頻率，默認 0.9 （所以詞語垂直方向排版出現頻率為 0.1 ）
mask	如果參數為空，則使用二維遮罩繪制詞云。如果 mask 非空，設置的寬高值將被忽略，遮罩形狀被 mask 取代。除全白（#FFFFFF）的部分將不會繪制，其余部分會用于繪制詞云。如：bg_pic = imread(‘讀取一張圖片.png')，背景圖片的畫布一定要設置為白色（#FFFFFF），然后顯示的形狀為不是白色的其他顏色?？梢杂胮s工具將自己要顯示的形狀復制到一個純白色的畫布上再保存，就ok了。一般為mask=np.array(Image.open(‘xxx.jpg'))。其中from PIL import Image
scale	按照比例進行放大畫布，如設置為1.5，則長和寬都是原來畫布的1.5倍
min_font_size	顯示的最小的字體大小
font_step	字體步長，如果步長大于1，會加快運算但是可能導致結果出現較大的誤差
max_words	要顯示的詞的最大個數
stopwords	設置需要屏蔽的詞，如果為空，則使用內置的STOPWORDS
background_color	背景顏色，如background_color=‘white',背景顏色為白色
max_font_size	顯示的最大的字體大小
mode	當參數為“RGBA”并且background_color不為空時，背景為透明
relative_scaling	詞頻和字體大小的關聯性
color_func	生成新顏色的函數，如果為空，則使用 self.color_func
regexp	使用正則表達式分隔輸入的文本
collocations	是否包括兩個詞的搭配
colormap	給每個單詞隨機分配顏色，若指定color_func，則忽略該方法
random_state	為每個單詞返回一個PIL顏色

其他部分函數

函數	作用
fit_words(frequencies)	根據詞頻生成詞云
generate(text)	根據文本生成詞云
generate_from_frequencies(frequencies[, …])	根據詞頻生成詞云
generate_from_text(text)	根據文本生成詞云
process_text(text)	將長文本分詞并去除屏蔽詞（此處指英語，中文分詞還是需要自己用別的庫先行實現，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap])	對現有輸出重新著色。重新上色會比重新生成整個詞云快很多
to_array()	轉化為 numpy array
to_file(filename)	輸出到文件