wordcloud：自定义背景图片，生成词云

• 官方简介：

  github:https://github.com/amueller/word_cloud 
  官方地址:https://amueller.github.io/word_cloud/ 

• 来一个例子：

  """
  @author:FLY
  @software:PyCharm
  @time:2017/08/24
  """
  import pickle
  from os import path
  import jieba
  import matplotlib.pyplot as plt
  from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
  text = ''
  with open('人工智能及应用.txt', 'r', encoding='utf8') as fin:
      for line in fin.readlines():
          line = line.strip('\n')
  # sep’.join（seq）以sep作为分隔符，将seq所有的元素合并成一个新的字符串
  text += ' '.join(jieba.cut(line))
  backgroud_Image = plt.imread('man.jpg')
  print('加载图片成功！')
  '''设置词云样式'''
  wc = WordCloud(
      background_color='white',# 设置背景颜色
      mask=backgroud_Image,# 设置背景图片
      font_path='C:\Windows\Fonts\STZHONGS.TTF',  # 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
      max_words=2000, # 设置最大现实的字数
      stopwords=STOPWORDS,# 设置停用词
      max_font_size=150,# 设置字体最大值
      random_state=30# 设置有多少种随机生成状态，即有多少种配色方案
  )
  wc.generate_from_text(text)
  print('开始加载文本')
  #改变字体颜色
  img_colors = ImageColorGenerator(backgroud_Image)
  #字体颜色为背景图片的颜色
  wc.recolor(color_func=img_colors)
  # 显示词云图
  plt.imshow(wc)
  # 是否显示x轴、y轴下标
  plt.axis('off')
  plt.show()
  # 获得模块所在的路径的
  d = path.dirname(__file__)
  # os.path.join()：  将多个路径组合后返回
  wc.to_file(path.join(d, "h11.jpg"))
  print('生成词云成功!')

 

• 运行结果：

• 生成词云方法

word_cloud 生成词云有两个方法。from text 和 from frequencies 。即文本生成和频率生成，每一个都有对应的函数可以使用

generate(text)      Generate wordcloud from text.
generate_from_text(text)    Generate wordcloud from text.
generate_from_frequencies      Create a word_cloud from words and frequencies.
fit_words      Create a word_cloud from words and frequencies.

 

• wordcloud包的基本用法

  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)

 

• 这是wordcloud的所有参数，下面具体介绍一下各个参数：

1. 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'
2. width : int (default=400) //输出的画布宽度，默认为400像素
3. height : int (default=200) //输出的画布高度，默认为200像素
4. 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 ）
5. 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。
6. 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')，
7. 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。
8. 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。
9. min_font_size : int (default=4) //显示的最小的字体大小
10. 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。
11. max_words : number (default=200) //要显示的词的最大个数
12. 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
13. background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
14. max_font_size : int or None (default=None) //显示的最大的字体大小
15. mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
16. relative_scaling : float (default=.5) //词频和字体大小的关联性
17. color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
18. regexp : string or None (optional) //使用正则表达式分隔输入的文本
19. collocations : bool, default=True //是否包括两个词的搭配
20. 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。
21. fit_words(frequencies) //根据词频生成词云【frequencies，为字典类型】
22. generate(text) //根据文本生成词云
23. generate_from_frequencies(frequencies[, ...]) //根据词频生成词云
24. generate_from_text(text) //根据文本生成词云
25. 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) ）
26. 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。
27. to_array() //转化为 numpy array
28. to_file(filename) //输出到文件

• 简要讲下几个会影响图像清晰问题的WordCloud的参数：

mask：遮罩图，字的大小布局和颜色都会依据遮罩图生成。其实理论上这对字大小和清晰程度的影响不大，

但是遮罩图色和背景色background_color如果易混淆，则可能是一个导致看起来不清晰的因素；

另外遮罩图自身各个颜色之间的对比不强烈，也可能使图看起来层次感不够。

 

比如，一些图明度比较高，再加上背景白色，有可能导致字色太浅（背景色background_color又是白色）于是看起来不够“清晰”。

background_color：背景色，默认黑。

这个本来其实也不怎么影响清晰度，但是，就像之前在mask中提到的，如果遮罩图像颜色过浅、背景设置白色，

可能导致字看起来“不清晰”。而实际上，我对一个浅色遮罩图分别用白、黑两种背景色后发现，

黑色背景的强烈对比之下会有若干很浅也很小的词浮现出来，而之前因背景色、字色过于相近而几乎无法用肉眼看出这些词。

 

mode：默认“RGB”。根据说明文档，如果想设置透明底色的云词图，那么可以设置background_color=None, mode="RGBA"

但是！！！实际中我尝试设置透明背景色并没有成功过！

当我选取的遮罩图是白色底时，如果background_color设置为"white"或"black"时，生成的云词确实是对应的“白色”“黑色”；

但是按照上述参数设置透明色时，结果出来依然是白色。

当我选取的遮罩图是透明底时，那么不管我background_color设置为"white"或"black"，还是None加上mode="RGBA"，

结果都是把背景部分当做黑色图块，自动匹配黑色的字！——也就是并没有实现透明底的云词。

谁如果实现了透明底色的方案，欢迎给我留言。目前这个疑惑我打算先不研究了，放到以后再看。

 

max_font_size：最大字号。源文件中也有讲到，图的生成会依据最大字号等因素去自动判断词的布局。

经测试，哪怕同一个图像，只要图本身尺寸不一样（比如我把一个300×300的图拉大到600×600再去当遮罩），那么同样的字号也是会有不同的效果。

原理想想也很自然，字号决定了字的尺寸，而图的尺寸变了以后，最大字相对于图的尺寸比例自然就变了。

所以，需要根据期望显示的效果，去调整最大字号参数值。

 

min_font_size：最小字号。不设置的情况下，默认是4。

尝试了设置比4大的字号，例如8、10，结果就是原本小于设定值且大于4号的词都直接不显示了，其它内容和未设置该值时都一样。

 

relative_scaling：表示词频和云词图中字大小的关系参数，默认0.5。

为0时，表示只考虑词排序，而不考虑词频数；为1时，表示两倍词频的词也会用两倍字号显示。

 

scale：根据说明文档，当云词图很大的，加大该值会比使用更大的图更快，但值越高也会越慢（计算更复杂）。

默认值是1。实际测试中，更大的值，确实输出图像看起来更精细（较小较浅的词会颜色更重，也感觉清楚，大的词差异不明显）。

不过，可能由于我选的图不大、词也没有很多，所以差距并没有很大，缩小排列一下就基本上辨别不出多少差别了。

 

备注

• 背景图片-man.jpg  

       

• STZHONGS.TTF  这个字体在CSDN和百度上都有，可自行下载

 

以上参考来源： http://blog.csdn.net/heyuexianzi/article/details/76851377