词云生成的一些注解：wordcloud

本文主要参考连接如下：
手把手教你制作 中英文 词云 | python demo

词云生成在文本处理中经常遇到，曾经为了生成一幅词云图，费了很大劲，在此做一些注解。

1. wordcloud
   这是一个常用的词云生成包，wordcloud 包链接，里面有详细的介绍。wordcloud 包基本用法如下：

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=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)

参数解释如下：

font_path : string  //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf'
width : int (default=400)  //输出的画布宽度，默认为400像素
height : int (default=200)  //输出的画布高度，默认为200像素
prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）
mask : nd-array or None (default=None) //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。
scale : float (default=1) //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
min_font_size : int (default=4) //显示的最小的字体大小
font_step : int (default=1) //字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
max_words : number (default=200) //要显示的词的最大个数
stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
max_font_size : int or None (default=None) //显示的最大的字体大小
mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
relative_scaling : float (default=.5) //词频和字体大小的关联性
color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
regexp : string or None (optional) //使用正则表达式分隔输入的文本
collocations : bool, default=True //是否包括两个词的搭配
colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。

有几个参数需要注意，

• font_path 字体路径，在处理中文文本时，需要输入所需要的字体，这个字体可以在自己电脑上找到，一般都是在 ‘C:\Windows\Fonts’ 目录下，选一个含中文的字体就可以，比如仿宋, 就是 sigfang.ttf 文件
• background_color 背景颜色，不需要显示部分的颜色
• scale 缩放画布，
• mask 这是画布设置，可以自己输入一张图像作为背景画布

词云生成
wordcloud 构建了一个对象，在其操作中，需要输入词或者文本

fit_words(frequencies) //根据词频生成词云
generate(text) //根据文本生成词云
generate_from_frequencies(frequencies[, ...]) //根据词频生成词云
generate_from_text(text) //根据文本生成词云
process_text(text) //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap]) //对现有输出重新着色。重新上色会比重新生成整个词云快很多。
to_array() //转化为 numpy array
to_file(filename) //输出到文件

frequencies 是一个 dict, key 代表词，value 表示该词的频次，例子如下：

from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 保存数据路径
data_path = 'C:/Users/YDH/Documents/Python2/YaoShuang/Spider-SETP/data/'     # 这个是我当时存放字体文件的路径
frequencies = {u'知乎':5,u'小段同学':4,u'曲小花':3,u'中文分词':2,u'样例':1}    # 字典
word_cloud = WordCloud(font_path=data_path+'simfang.ttf',background_color='black',scale=2).fit_words(frequencies)
plt.imshow(word_cloud)      # 绘制词云图
plt.show()        # 显示图形

生成的词云图如下

如果你的 词 跟 频数 分别放在两个 list 或者 Series 中，可以考虑使用 zip

key = [u'知乎',u'小段同学',u'曲小花',u'中文分词',u'样例']
value = [5,4,3,2,1]
frequencies = zip(key,value)
frequencies = dict(frequencies)