Python实现词云的库有很多,较为常见的就是wordcloud
这个库基于PIL
,PIL
是必不可少的,需要用的还有matplotlib
和numpy
本文使用解释器为python2.7.13 32位
安装
pip install wordcloud
使用
针对库示例做了一个简单修改,直接使用generate_from_frequencies
方法,而没有使用generate()
方法。有这样几个原因,generate_from_frequencies
是基础的方法,generate()
仍然还是要调用generate_from_frequencies
方法;实验比较直接。
库的使用方法很简单,但是中文使用的话会有几个问题,一个是字符编码问题,二是字体问题,默认的字体不支持中文,因此需要加入font_path = "simfang.ttf"
指定字体,这是把字体指定为同一个文件夹下的simfang.ttf
。
#encoding=utf-8
from os import path
from wordcloud import WordCloud
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
fre={"哈哈".decode('utf-8'): 1.2,"呵呵".decode('utf-8'):6}
wordcloud = WordCloud(font_path = "simfang.ttf").generate_from_frequencies(fre)
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
后续的工作还可以将引入分词工具直接进行分词。
结合我前面的做的例子
先抽取网页的文本,然后再进行分词,将分词结果根据频率作为字典传给generate_from_frequencies
,生成词云。
更简单,比如直接抽取文章的关键词,比如博客每篇文章就有关键词,用Counter
库,直接生成频率调用。
使用背景图片生成词云
对上面的代码做了一点简单的改动
#encoding=utf-8
from os import path
from wordcloud import WordCloud
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
d = path.dirname(__file__)
text = open(path.join(d, 'constitution.txt')).read().decode('utf-8')
import numpy as np
from PIL import Image
football = np.array(Image.open(path.join(d, "timg.jpg")))
fre={"哈哈".decode('utf-8'): 1.2,"呵呵".decode('utf-8'):6,"咯咯".decode('utf-8'):6,
"呵呵".decode('utf-8'):6,"咯咯".decode('utf-8'):6,
"啦啦".decode('utf-8'):1,"哦哦".decode('utf-8'):6,
"恩恩".decode('utf-8'):3,"呃呃".decode('utf-8'):6,
"饿饿".decode('utf-8'):3,"嗯嗯".decode('utf-8'):6,
"哼哼".decode('utf-8'):5,"丽丽".decode('utf-8'):6,
"咔咔".decode('utf-8'):7,"咳咳".decode('utf-8'):6,
"乐乐".decode('utf-8'):6,"呐呐".decode('utf-8'):6,
"嘎嘎".decode('utf-8'):6,"嘻嘻".decode('utf-8'):6}
#wordcloud = WordCloud(font_path = "simfang.ttf").generate(text)
wordcloud = WordCloud(font_path = "simfang.ttf",mask=football).generate_from_frequencies(fre)
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()