Python詞雲的正確實現方法實例

Posted on by

一、相關模塊

jieba：中文分詞

wordcloud ：Python詞雲庫

imageio：讀取圖形數據

安裝：

pip install jieba
pip install wordcloud
pip install imageio

二、wordcloud四大類

類 功能
WordCloud([font_path, width, height, …]) 生成和繪制詞雲對象
ImageColorGenerator(image[, default_color]) 基於圖片的色彩
random_color_func([word, font_size, …]) 隨機生成顏色
get_single_color_func(color) 創建一個顏色函數,它返回一個色調和飽和度

三、wordcloud類

1、WordCloud類

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='auto', 
    regexp=None, collocations=True, colormap=None, normalize_plurals=True, 
    contour_width=0, contour_color='black', repeat=False, include_numbers=False, 
    min_word_length=0, collocation_threshold=30)

2、WordCloud參數詳解

參數 詳解
font_path 詞雲圖的字體路徑（OTF或TTF格式）
width 畫佈的寬度、默認為400，如果mask不為空時，設置為mask獲取圖片的大小
height 畫佈的高度，默認為200，如果mask不為空時，設置為mask獲取圖片的大小
prefer_horizontal 默認值0.9；當值<1時，遇到不合適的地方時，算法將詞體自動旋轉
mask 默認為None；如果不為空，指定瞭畫佈的圖形，則width和height值不生效，使用提供的圖形的大小
contour_width 如果mask不為空，並且contour_width>0，將描繪出mask獲取圖片的輪廓，值越大，輪廓的線越粗
contour_color 使用Mask時，描繪圖片輪廓的顏色
scale 圖片生成後放大縮小時的分辨率
min_font_size 詞雲圖顯示的最小字體，默認為4
max_font_size 詞雲圖顯示的最大字體
max_words 詞雲顯示的最大詞數
font_step 字體步長
stopwords 不顯示的詞，如果沒有設置，則使用默認的內置的STOPWORdS列表；如果使用generate_from_frequencies參數，則忽略
background_color 背景顏色
mode 默認為”RGB”，當mode=”RGBA”並且background_color為None時，將會顯示透明背景
relative_scaling 字體大小與詞頻的關系，默認值為auto
color_func 默認為None，color_func=lambda *args, **kwargs:(255,0,0)詞雲的字體顏色將這設置為紅色
regexp 使用正則切分，默認為r”\w[\w’]+”，如果使用generate_from_frequencies則此參數不生效
collocations 是否包含兩個詞的搭配，默認為True，如果使用generate_from_frequencies則此參數不生效
colormap 設置顏色的參數，默認為”viridis”，如果使用color_func參數，則此參數不生效
normalize_plurals 是否刪除尾隨的詞，比如’s，如果使用generate_from_frequencies參數，則此參數不生效
repeat 是否重復詞組直到設置的最大的詞組數
include_numbers 是否包含數字，默認我False
min_word_length 最小數量的詞，默認為0
collocation_threshold 默認為30，整體搭配的評分等級

3、WordCloud類方法詳解

方法 功能
fit_words() 根據詞頻生成詞雲
generate_from_frequencies（) 根據詞頻生成詞雲
generate() 根據文本生成詞雲
generate_from_text() 根據文本生成詞雲
process_text() 將長文本分詞，並去除屏蔽詞
recolor() 對輸出顏色重新著色
to_array() 轉換為numpy數組
to_file() 保存為圖片文件
to_svg() 保存為SVG（可縮放矢量圖形）

四、實例

1、簡單圖案

代碼：

import wordcloud

# 詞雲使用的文字
text = "lemon"

# 使用wordcloud.WordCloud類，並傳入相關的參數
wc = wordcloud.WordCloud(background_color="white", repeat=True)
wc.generate(text)

# 保存圖片
wc.to_file('test1.png')

2、自定義圖片

代碼：

import wordcloud

# 導入imageio庫中的imread函數，並用這個函數讀取本地圖片，作為詞雲形狀圖片
import imageio
mk = imageio.imread("333.jpg")

# 詞雲使用的文字
text = "lemon"

# 使用wordcloud.WordCloud類，並傳入相關的參數
wc = wordcloud.WordCloud(background_color="white", repeat=True,mask=mk)
wc.generate(text)

# 保存圖片
wc.to_file('test1.png')

3、從文本讀取

代碼：

import wordcloud
import jieba

# 導入imageio庫中的imread函數，並用這個函數讀取本地圖片，作為詞雲形狀圖片
import imageio
mk = imageio.imread("chen.jpg")

# 使用wordcloud.WordCloud類，並傳入相關的參數
wc = wordcloud.WordCloud(background_color="white",
                         prefer_horizontal=0.5,
                         repeat=True,
                         mask=mk,
                         font_path='/System/Library/Fonts/STHeiti Light.ttc',
                         contour_width=2,
                         contour_color='pink',
                         collocation_threshold=100,
                         )

# 對來自外部文件的文本進行中文分詞，得到string
f = open('gong.txt', encoding='utf-8')
txt = f.read()
txtlist = jieba.lcut(txt)
string = " ".join(txtlist)

# 將string變量傳入w的generate()方法，給詞雲輸入文字
wc.generate(string)

# 保存圖片
wc.to_file('test.png')

總結

到此這篇關於Python詞雲的正確實現方法的文章就介紹到這瞭,更多相關Python詞雲實現內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：