Deep Learning(深度学习)实验一: 词云的制作
什么是词云: 词云是一个简单但功能强大的可视化表示对象,用于文本处理,它以更大,更粗的字母和不同的颜色显示最常用的词,单词的大小越小,重要性就越小。
一、前期准备
-
安装所需要的包:
- wordcloud:实现词云的包
- matplotlib:python里用于绘图的包
- jieba:中文分词包
- PIL:python里用于处理图片的包
-
准备需要用的txt文本文件
-
WordCloud()可选参数:
- fond_path:用于指定字体路径,包括 otf 和 ttf
- width:词云的宽度,默认400
- height:词云的高度,默认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_fond_size:最大字号,默认为词云的高度
- max_words:词的最大数量,默认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,如果是RGBA模式且background_color设为None,则背景将透明
二、实现代码
-
案例一:英文词云
from wordcloud import WordCloud import matplotlib.pyplot as plt # 打开文本,这个‘English’可以自己制作,注意文件格式 text = open("/Users/yzyzzzz/Documents/DeeplearningCode/wordcloud/English.txt").read() # 生成对象 wc = WordCloud().generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') # 坐标轴off plt.axis('off') # 显示图片 plt.show() # 保存生成的图片:位置路径加上图片名和格式即可将图片按要求保存到指定位置 wc.to_file('/Users/yzyzzzz/Downloads/wordcloud1.png')
实现结果:
-
案列二:中文词云
实现代码:
from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba # 打开文本,该'Chinese'中文txt文件可自己制作 text = open("/Users/yzyzzzz/Documents/Deeplearning Code/wordcloud/Chinese.txt").read() # 进行中文分词 text = ' '.join(jieba.cut(text)) print(text[:200]) # 生成对象,字体路径:Hiragino.ttf、宽度800、高度600、模式RGBA、背景透明 (注意字体的.ttf文件一定要放在代码的同个文件夹下) wc = WordCloud(font_path='Hiragino.ttf', width=600, height=400, mode='RGBA', background_color=None).generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') # 坐标轴off plt.axis('off') # 显示图片 plt.show() # 保存生成的图片:位置路径加上图片名和格式即可将图片按要求保存到指定位置 wc.to_file('/Users/yzyzzzz/Downloads/wordcloud2.png')
运行结果:
注意事项:
- 中文词云的重点是要进行分词,英文每个单词之间都有空格隔开,而中文没有,所以中文需要‘jieba’包进行分词操作,让词云显示的词组更加合理。
- 字体的.ttf文件一定要放在代码的同个文件夹下,否则会出现下面展示的bug。
-
案例三: 根据关键词和权重显示词云
代码实现:from wordcloud import WordCloud,ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt # jieba.analyse:用于提取关键词 import jieba.analyse # 打开文本,该'Chinese'中文txt文件可自己制作 text = open("/Users/yzyzzzz/Documents/DeeplearningCode/wordcloud/Chinese.txt").read() # 进行中文分词,提取关键词和权重,topK:频率为前200的词 freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True) # 打印前20个单词 print(freq[:20]) # 把词和权重转化为字典 freq = {i[0]: i[1] for i in freq} # 生成对象 mask = np.array(Image.open("/Users/yzyzzzz/Documents/Deeplearning Code/wordcloud/color_mask.png")) # 把字典freq放入generate_from_frequencies()函数中 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') # 坐标轴off plt.axis('off') # 显示图片fre plt.show() # 保存生成的图片:位置路径加上图片名和格式即可将图片按要求保存到指定位置 wc.to_file('/Users/yzyzzzz/Downloads/wordcloud3.png')
实现结果:
注意点:
- generate_from_frequencies( )包含以下两个函数
- 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( )