Python實現(xiàn)創(chuàng)建詞云的示例詳解

更新時間：2023年10月22日 09:14:58 作者：古明地覺的編程教室

詞云一般是根據(jù)輸入的大量詞語生成的,如果某個詞語出現(xiàn)的次數(shù)越多,那么相應的大小就會越大,本文將利用wordcloud模塊實現(xiàn)詞云生成,需要的可以參考下

什么是詞云？在網(wǎng)絡上我們經(jīng)?？梢钥吹揭粡垐D片，上面有一大堆大小不一的文字，這便是詞云。詞云一般是根據(jù)輸入的大量詞語生成的，如果某個詞語出現(xiàn)的次數(shù)越多，那么相應的大小就會越大。

Python 中有一個專門用來生成詞云的模塊：wordcloud，直接 pip 安裝即可，然后我們來看看它的用法。

# 導入模塊
from wordcloud import WordCloud
# 準備文本數(shù)據(jù)，是一個字符串，單詞之間用空格分隔
sentence = "hello satori hello mashiro hello satori"
# 創(chuàng)建詞云對象
wc = WordCloud()
# 根據(jù)文本生成詞云
wc.generate(sentence)
# 保存為圖片
wc.to_file("word.png")

我們打開圖片看看效果：

我們看到單詞就顯示在了圖片上，如果單詞一多就像天空的云彩一樣漂浮著，并且單詞出現(xiàn)的頻率越高，那么該單詞在圖片上大小就越大。

雖然詞云生成了，但是風格是固定的，我們可不可以調(diào)整呢，顯然是可以的。WordCloud 里面支持很多參數(shù)用來調(diào)整風格，我們看一下這些參數(shù)。

width：詞云的寬，默認是400像素；
height：詞云的高，默認是200像素；
background_color：詞云的背景顏色，默認是黑色；
font_path：生成的詞云所使用的字體，傳入一個字體名稱；
mask：詞云背景圖片，接收一個 Numpy 數(shù)組?？梢允褂?PIL 或者 cv2 讀取圖片，然后生成數(shù)組；
stopwords：要屏蔽的詞語，接收一個集合，生成詞云的時候會忽略掉屏蔽的詞語；
max_font_size：字體的最大大小，默認為 None；
min_font_size：字體的最小大小，默認為 None；
max_words：最多顯示多少個單詞，默認為200。比如文本數(shù)據(jù)有 10000 個不重復單詞，肯定不可能全部顯示，而是按照出現(xiàn)的頻率高低排序，選擇出現(xiàn)頻率最高的 N 個單詞，默認是 200 個；
contour_width：輪廓粗細；
contour_color：輪廓顏色；
scale：用來控制生成的圖片大小，默認為 1。如果我們改成了 10，那么生成的圖片大小會擴大 10 倍。這個參數(shù)不用管，沒太大用，默認為 1 即可；

我們舉例說明：

from wordcloud import WordCloud
sentence = "i do not need sex, because life fucks me every every single day"
wc = WordCloud(
    width=500,  # 設置寬度為500px
    height=300,  # 設置高度為300px
    background_color='pink',  # 設置背景為粉色
    stopwords={"sex", "fucks"},  # 設置禁用詞
    max_font_size=100,  # 設置最大的字體大小，所有詞都不會超過 100px
    min_font_size=10,  # 設置最小的字體大小，所有詞都會超過 10px
    max_words=10  # 最多生成 10 個詞，當然這里單詞比較少，看不出來什么
)

wc.generate(sentence)
wc.to_file("word.png")

我們看看生成的圖片：

我們看到圖片變寬了、變高了，背景變成粉色了，并且也沒有出現(xiàn)禁用詞。

但這個圖片是正方形的，而我們平常見到的詞云是有形狀的，比如一個圓形、或者一個人的形狀等等。顯然這是根據(jù)圖片生成的，而 wordcloud 也支持我們這么做，下面來演示一下。

from wordcloud import WordCloud
from PIL import Image
import numpy as np

# 一篇英文文章
with open("article.txt") as f:
    sentence = f.read()
# 加載一張圖片，轉(zhuǎn)化成numpy中的數(shù)組
mask = np.array(Image.open("哆啦A夢.png"))
# 傳入mask
wc = WordCloud(mask=mask)
wc.generate(sentence)
wc.to_file("word.png")

我們看一下生成的結(jié)果：

下面是原始的圖片，"多啦A夢.png"

會自動將周圍的白色區(qū)域給忽略掉，因此選擇的圖片建議最好是白底的。

然后目前生成詞云所使用的單詞都是英文的，那中文可不可以呢？我們來看一下。

from wordcloud import WordCloud

wc = WordCloud()
wc.generate("古明地覺的編程教室")
wc.to_file("word.png")

生成的結(jié)果如下：

顯然默認是不支持中文的，此時我們需要指定一個中文字體。

from wordcloud import WordCloud

# 傳入本機支持中文的字體名稱
wc = WordCloud(font_path="Arial Unicode.ttf")
wc.generate("古明地覺的編程教室")
wc.to_file("word.png")

看看效果：

中文正常顯示了，但顯示的是一整句話。因為 wordcloud 默認是以空格分隔單詞的，所以對于英文我們不需要做什么處理，因為英文單詞之間就是以空格分隔的。但中文則是所有的漢字都連在一起，因此整體被當成了一個詞。

這個時候推薦使用 jieba 分詞，將單詞進行分隔。

from wordcloud import WordCloud
import jieba

with open("出師表.txt") as f:
    sentence = f.read()
# 分詞得到列表，手動使用空格拼接
sentence = " ".join(jieba.cut(sentence))
wc = WordCloud(font_path="Arial Unicode.ttf")
wc.generate(sentence)
wc.to_file("word.png")

我們基于出師表的內(nèi)容生成詞云：

結(jié)果沒有問題，當然這里圖片有點小了，你也可以調(diào)整它的寬高。

另外我們一直都是將詞云保存成圖片，除了圖片，還可以保存成其它格式。

from io import BytesIO
from wordcloud import WordCloud
import jieba

with open("出師表.txt") as f:
    sentence = f.read()

sentence = " ".join(jieba.cut(sentence))
wc = WordCloud(font_path="Arial Unicode.ttf")
wc.generate(sentence)

# 將詞云保存為 PIL 的 Image 對象
im = wc.to_image()
buf = BytesIO()
# 將詞云的字節(jié)流保存在 buf 中，這樣可以直接交給客戶端進行渲染
im.save(buf, "png")
print(buf.getvalue())

# 當然也可以保存為文件，im.save(filename)
# wc.to_file() 底層也是先轉(zhuǎn)成 Image 對象、然后調(diào)用 im.save() 實現(xiàn)的

# 或者還可以保存為 SVG 格式
svg = wc.to_svg()
# 將 svg 的內(nèi)容保存成文件，就得到 SVG 圖片了
print(svg)

以上就是Python實現(xiàn)創(chuàng)建詞云的示例詳解的詳細內(nèi)容，更多關(guān)于python詞云的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: