python生成词云图

python生成词云图

前言

python版本号：3.6.3
在网上看到词云图，一直觉得很有意思，最近没工作很空闲，就想着自己做一做
先放个效果图，这是用杰伦的三首歌《七里香》、《搁浅》、《借口》歌词文本做成的词云图。

python modules

需要使用的python包有：
wordcloud、jieba、numpy、cv2
使用pip安装即可

pip install wordcloud
pip install jieba
pip install numpy
pip install opencv-python

wordcloud参数说明

代码核心是wordcloud部分，下面列一下wordcloud的参数

font_path : string  #字体路径，如：font_path = '黑体.ttf'

width : int (default=400) #输出的图像宽度，默认为400像素

height : int (default=200) #输出的图像高度，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) #背景布，除去纯白部分都会用来填充词云

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

max_font_size : int or None (default=None) #显示的最大的字体大小

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。很多文章都没有说清楚要怎么写屏蔽词，其实就是一个list。

background_color : color value (default=”black”) #背景颜色，如background_color='white',背景颜色为白色

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

random_state : int or None  #为每个单词返回一个PIL颜色

wordcloud输出形式

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

jieba模块的使用

jieba是中文分词第三方库
一共有三种模式：精确模式、全模式、搜索引擎模式
精确模式下，把文本精确切分，不存在重复词语
全模式，文本中所有可能词语都扫描出来，存在重复
搜索引擎模式，基于精确模式，对长词再次切分

方法	含义
jieba.cut(string)	精确模式，返回一个生成器generator
jieba.cut(string,cut_all=True)	全模式，输出文本中所有词语,返回一个生成器generator
jieba.cut_for_search(string)	搜索引擎模式,返回一个生成器generator
jieba.lcut(string)	精确模式，返回一个列表模式
jieba.lcut(string,cut_all=True)	全模式，返回一个列表类型
jieba.lcut_for_search(string)	搜索引擎模式，返回列表类型
jieba.add_word(word)	向分词词典中添加新词

python中list容量有限，因此引入了生成器generator的概念，generator保存的是算法，list是[]，generator是()。
可用for循环打印generator：

for i in generator:
	print(i)

代码演示

以下代码是一个示例，并不是生成上面示例图片的代码

# -*- coding: utf-8 -*- 
from wordcloud import WordCloud
import jieba
import cv2
import numpy as np

def read_word(text_path):
    with open(text_path,'r',encoding='utf-8') as f:
        cut_word = jieba.cut(f.read())
    result = " ".join(cut_word)
    img = cv2.imread('bg_java.png')
    img_array = np.array(img)
    stop_words = ["开发","工作","优先","具有","要求","公司","PHP","参与","熟悉","任职"]
    
    wc = WordCloud(
        font_path='simhei.ttf',     #字体
        background_color='white',   #背景颜色
        width=1000,
        height=600,
        max_font_size=80,
        min_font_size=10,
        mask = img_array,  #背景图片
        max_words=1000,
        stopwords=stop_words
    )
    wc.generate_from_text(result)
    wc.to_file('job_java.png')
    
if __name__ == '__main__':
    read_word("job.txt")