Deep Learning（深度学习）实验一： 词云的制作

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：

  1. wordcloud：实现词云的包
  2. matplotlib：python里用于绘图的包
  3. jieba：中文分词包
  4. 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：

  1. fond_path：用于指定字体路径，包括 otf 和 ttf
  2. width：词云的宽度，默认400
  3. height：词云的高度，默认200
  4. mask：蒙版，可用于定制词云的形状
  5. min_font_size：最小字号，默认为4
  6. max_fond_size：最大字号，默认为词云的高度
  7. max_words：词的最大数量，默认200
  8. 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
  9. background_color：背景颜色默认为black
  10. 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：

1. 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。
2. 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
  1. frequencies：一个字典，用于指定词和对应的大小。
  2. max_font_size：最大字号，默认为None。
  • generate( ) = process_text( ) + generate_from_frequencies( )