Python WordCloud入门

最近一段时间在爬取文本信息，后面就要开始处理了。刚刚get了一个新的 词频统计和展示模块WordCloud。

1.WordCloud安装

---

首先，需要从github上下载WordCloud安装包https://github.com/amueller/word_cloud
其次，解压、安装WordCloud，因为我是打算将WordCloud导入Anaconda里的，所以先打开Anaconda Propmt，将路径切换到WordCloud目录下，执行python setup.py install,安装过程如下图所示：

2.WordCloud 测试

---

安装好之后，用官方给出的alice案例来做一个测试，在测试过程中，需要读取到两个文件，alice.txt和alice_color.png。其中，alice.txt为输入文本，alice_color.png作为输出词云的背景图片。具体代码如下所示：

# -*- coding: utf-8 -*-
"""
Created on Fri Mar 31 09:49:45 2017

@author: zch
"""

from os import path
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator

d = path.dirname(__file__)

# Read the whole text.
text = open(path.join(d, 'alice.txt')).read()

# read the mask / color image taken from
# http://jirkavinse.deviantart.com/art/quot-Real-Life-quot-Alice-282261010
alice_coloring = np.array(Image.open(path.join(d, "alice_color.png")))
stopwords = set(STOPWORDS)
stopwords.add("said")

wc = WordCloud(background_color="white", max_words=2000, mask=alice_coloring,
               stopwords=stopwords, max_font_size=75, random_state=42)
# generate word cloud
wc.generate(text)

# create coloring from image
image_colors = ImageColorGenerator(alice_coloring)

# show
plt.imshow(wc, interpolation="bilinear")
plt.axis("off")
plt.figure()
# recolor wordcloud and show
# we could also give color_func=image_colors directly in the constructor
plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
plt.figure()
plt.imshow(alice_coloring, cmap=plt.cm.gray, interpolation="bilinear")
plt.axis("off")
plt.show()

背景图片如下所示：

在实际操作过程中，为了对比下文本长度对词云生成效果的影响，alice.txt分别读取了两个不同的文本，第一个文本里存放一段有关wordcloud的英文介绍，大概有数百字符，第二个文本里存放Alice’s Adventures in Wonderland （爱丽丝梦游仙境）整本书的内容，两次测试的效果图如下所示：


观察对比上面两张效果图，可以明显看出随着文本内容数量级的增加，生成的词云轮廓表现能力更强。