内容简介:词云是一种数据呈现方式掌握用安装包
词云是一种数据呈现方式
- 不会的时候,感觉很厉害、很高大上
- 会用了之后,感觉到哪都看到别人在用
掌握用 Python
实现词云的方法
准备
安装包
pip install wordcloud matplotlib jieba PIL 复制代码
准备一些文本,英文或中文皆可
一个简单的例子
WordCloud()
可选的参数
-
font_path
:可用于指定字体路径,包括otf
和ttf
-
width
:词云的宽度,默认为400 -
height
:词云的高度,默认为200 -
mask
:蒙版,可用于定制词云的形状 -
min_font_size
:最小字号,默认为4 -
max_font_size
:最大字号,默认为词云的高度 -
max_words
:词的最大数量,默认为200 -
stopwords
:将被忽略的停用词,如果不指定则使用默认的停用词词库 -
background_color
:背景颜色,默认为black
-
mode
:默认为RGB
模式,如果为RGBA
模式且background_color
设为None
,则背景将透明
# -*- coding: utf-8 -*- from wordcloud import WordCloud import matplotlib.pyplot as plt # 打开文本 text = open('constitution.txt').read() # 生成对象 wc = WordCloud().generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
由于英文单词之间有空格分隔,因此大多不需要额外的处理
中文词云
中文一般需要经过分词处理,先看下不分词的效果
以《西游记》为例,可以看到结果中会出现各种双字、三字和四字等,但很多并不是合理的词语
# -*- coding: utf-8 -*- from wordcloud import WordCloud import matplotlib.pyplot as plt # 打开文本 text = open('xyj.txt').read() # 生成对象 wc = WordCloud(font_path='Hiragino.ttf', width=800, height=600, mode='RGBA', background_color=None).generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
这次我们先用 jieba
进行中文分词,可以看到生成的词云里,基本上都是合理的词语了
# -*- coding: utf-8 -*- from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba # 打开文本 text = open('xyj.txt').read() # 中文分词 text = ' '.join(jieba.cut(text)) print(text[:100]) # 生成对象 wc = WordCloud(font_path='Hiragino.ttf', width=800, height=600, mode='RGBA', background_color=None).generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
使用蒙版
这里将 mask
翻译为蒙版,是因为感觉它和Photoshop中蒙版的作用很类似
使用蒙版之后,可以根据提供的蒙版图片,生成指定形状的词云
# -*- coding: utf-8 -*- from wordcloud import WordCloud from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba # 打开文本 text = open('xyj.txt').read() # 中文分词 text = ' '.join(jieba.cut(text)) print(text[:100]) # 生成对象 mask = np.array(Image.open("black_mask.png")) wc = WordCloud(mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis("off") plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
颜色
词云的颜色可以从蒙版中抽取,使用 ImageColorGenerator()
即可
# -*- coding: utf-8 -*- from wordcloud import WordCloud, ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba # 打开文本 text = open('xyj.txt').read() # 中文分词 text = ' '.join(jieba.cut(text)) print(text[:100]) # 生成对象 mask = np.array(Image.open("color_mask.png")) wc = WordCloud(mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate(text) # 从图片中生成颜色 image_colors = ImageColorGenerator(mask) wc.recolor(color_func=image_colors) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis("off") plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
当然也可以设置为纯色,增加一个配色函数即可
# -*- coding: utf-8 -*- from wordcloud import WordCloud from PIL import Image import numpy as np import matplotlib.pyplot as plt import random import jieba # 打开文本 text = open('xyj.txt').read() # 中文分词 text = ' '.join(jieba.cut(text)) print(text[:100]) # 颜色函数 def random_color(word, font_size, position, orientation, font_path, random_state): s = 'hsl(0, %d%%, %d%%)' % (random.randint(60, 80), random.randint(60, 80)) print(s) return s # 生成对象 mask = np.array(Image.open("color_mask.png")) wc = WordCloud(color_func=random_color, mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis("off") plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
关于HSL配色方案可以参考
精细控制
如果希望精细地控制词云中出现的词,以及每个词的大小,可以尝试 generate_from_frequencies()
,包括两个参数
-
frequencies
:一个字典,用于指定词和对应的大小 -
max_font_size
:最大字号,默认为None
generate()
= process_text()
+ generate_from_frequencies()
以下用jieba提取出关键词和权重,再以此绘制词云
# -*- coding: utf-8 -*- from wordcloud import WordCloud, ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba.analyse # 打开文本 text = open('xyj.txt').read() # 提取关键词和权重 freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True) print(freq[:20]) freq = {i[0]: i[1] for i in freq} # 生成对象 mask = np.array(Image.open("color_mask.png")) wc = WordCloud(mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate_from_frequencies(freq) # 从图片中生成颜色 image_colors = ImageColorGenerator(mask) wc.recolor(color_func=image_colors) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis("off") plt.show() # 保存到文件 wc.to_file('wordcloud.png') 复制代码
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 高端JAVA需要掌握哪些内容
- JAVA,高端的OA软件御用语言
- 如何从低端面畜到高端面霸
- 如何优雅地向别人介绍高端大气上档次的Git
- VirtualBox 6.0.0 发布,改进对高端显示器的 HiDPI 支持
- 技巧:表达式完成一个看上去很高端的日期选择动效
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
鸟哥的Linux私房菜
鸟哥 / 机械工业出版社 / 2008-1 / 88.00元
《鸟哥的Linux私房菜:服务器架设篇(第2版)》是对连续三年蝉联畅销书排行榜前10名的《Linux鸟哥私房菜一服务器架设篇》的升级版,新版本根据目前服务器与网络环境做了大幅度修订与改写。 全书共3部分,第1部分为架站前的进修专区,包括在架设服务器前必须具备的网络基础知识、Linux常用网络命令、Linux网络侦错步骤,以及服务器架站流程:第2部分为主机的简易防火措施,包括限制Linux对......一起来看看 《鸟哥的Linux私房菜》 这本书的介绍吧!