python输出字体的大小_python小白零基础词云快速上手指南

上一篇我们以马云的微博为例，介绍了如何使用requests将马云的所有微博爬下来(传送门：马云这些年在微博上都说过些什么——小白python爬虫实战(1))，爬下来之后，我们最终想要得到的是一个像下图一样的词云↓

那么词云该怎么做呢？

---

还是以上篇文章爬出来的马老板的全部微博文本jackma.txt为例。

先从最朴素的词云开始：

像上图这样的词云，还没有特定的图案和花里胡哨的展示方式，这是怎么做出来的呢？

老样子，先直接——

上！  代！  码！

import collections  # 词频统计import jieba  # 结巴分词import wordcloud  # 词云生成import matplotlib.pyplot as plt  # 图像展示# 文件路径path_txt = 'E:/你的文件路径/jackma.txt'# 打开txt文件text = open(path_txt, encoding="utf-8").read()# 文本分词，精确模式seg_list_exact = jieba.cut(text, cut_all=False)object_list = []# 自定义去除词remove_words = [u'的', u'给', u'和', u'并', u'是', u'你', u'人', u'不', u'去', u'都', u'才', u'又', u'那',                u'从', u'过', u'中', u'做', u'了', u'但', u'们', u'在', u'也', u'很', u'让', u'他', u'被',                u'啥', u'我', u'有', u'等', u'对', u'及', u'年', u'后', u'万', u'把', u'时', u'来', u'为',                u'啊', u'能', u'或', u'会', u'说', u'这', u'要', u'就', u'还', u'而', u'着', u'到', u'好',                u'最', u'多', u'上', u'想', u'看']# 循环读出每个分词，将不在去除词中的分词添加到列表for word in seg_list_exact:     if word not in remove_words:        object_list.append(word)# 对分词进行词频统计word_counts = collections.Counter(object_list) # 获取前100最高频的词word_counts_top100 = word_counts.most_common(100)print(word_counts_top100)  # 输出检查# 词云设置wc = wordcloud.WordCloud(    # 设置字体格式防止乱码    font_path='C:/Windows/Fonts/simhei.ttf',    # 设置背景颜色    background_color="white",    # 设置最多显示词数    max_words=200,    # 设置字体最大值    max_font_size=100)# 生成词云wc.generate_from_frequencies(word_counts)# 显示词云plt.imshow(wc)# 关闭坐标轴plt.axis('off')# 图像显示plt.show()

(※关注 呔塔 公众号后台回复 “词云” 获取本篇完整代码。)

运行上面代码后弹出窗口中即显示生成的词云

如果想要将词云保存为图片，既可以在弹出窗口的底部点击文件小图标进行图片另存为，也可以在代码末尾再加一行保存为图片的代码：

wc.to_file('jackma.png')

同样的，这里也可以自定义路径，若无指定路径则默认图片生成在工程文件夹下。

---

上面这串代码是如何实现生成词云的呢？

这里主要用到四个库，它们分别用来进行分词、词频统计、生成词云和展示图像。

import collections  # 词频统计import jieba  # 结巴分词import wordcloud  # 词云生成import matplotlib.pyplot as plt  # 图像展示

首先将txt文本通过jieba进行分词切割成一个一个的词语，再通过词频统计计算出每个词语出现的次数，然后就能生成对应的词云。

需要注意的是，在jieba分词的过程中，有很多停止词是我们不需要出现在词云中的，比如说“的”、“也”、“啊”诸如此类的词语，为了将这些词语过滤掉，我们需要设定去除词，可以使用专门的停止词包。这里我们自定义了一个去除词词库，在实际应用过程中方便灵活更改。

自定义去除词库之后，用一个for循环将这些不需要的词筛出来，然后就可以对剩下的词汇进行词频统计了。

object_list = []# 自定义去除词remove_words = [u'的', u'给', u'和', u'并', u'是', u'你', u'人', u'不', u'去', u'都', u'才', u'又', u'那',                u'从', u'过', u'中', u'做', u'了', u'但', u'们', u'在', u'也', u'很', u'让', u'他', u'被',                u'啥', u'我', u'有', u'等', u'对', u'及', u'年', u'后', u'万', u'把', u'时', u'来', u'为',                u'啊', u'能', u'或', u'会', u'说', u'这', u'要', u'就', u'还', u'而', u'着', u'到', u'好',                u'最', u'多', u'上', u'想', u'看']# 循环读出每个分词，将不在去除词中的分词添加到列表for word in seg_list_exact:    if word not in remove_words:        object_list.append(word)         # 对分词进行词频统计word_counts = collections.Counter(object_list)

进行完词频统计，就可以着手生成词云，生成词云前可以对诸如字体大小、背景颜色之类的进行设置，注意需要指定字体文件，不然容易乱码。

# 词云设置wc = wordcloud.WordCloud(    # 设置字体格式防止乱码    font_path='C:/Windows/Fonts/simhei.ttf',    # 设置背景颜色    background_color="white",    # 设置最多显示词数    max_words=200,    # 设置字体最大值    max_font_size=100)

---

然而，上面代码生成的词云太朴素了，如何让词云花里胡哨起来像下面一样呢？

这里我们将词云做成了蚂蚁集团logo的样子，要实现上述效果，在上面代码的基础上首先要再引入两个库，用于文件数据处理与图像数据处理。

import numpy as np   # 数据处理from PIL import Image  # 图像处理

既然要让词云形成特定的形状，首先要引入一张图片，作为词云的背景图，这里我们用的就是蚂蚁集团的logo。

mask = np.array(Image.open(r'C:\Users\Desktop\AntGroup.jpg'))

接下来我们只需要在词云设置中加上一行，设定好上面引入的mask作为背景就可以了。

mask=mask

运行程序，我们得到了下面这样的词云，它的形状已经是背景图片的蚂蚁集团logo样式了，然而颜色还没有设定。

将词云颜色设置成背景图样式，只需在生成词云前获取背景图颜色方案，并将方案给词云即可。

# 获取背景图颜色方案image_colors = wordcloud.ImageColorGenerator(mask)# 将背景图颜色方案给词云wc.recolor(color_func=image_colors)

以上就是用python制作词云的基本方法，至于词云究竟要做出怎样的style，就看各位小伙伴各显神通了。

关注 呔塔 公众号后台回复 “词云” 获取本篇完整代码。

---

戳文末二维码，关注呔塔公众号，这里有杂记、爬虫和数据可视化。

↓↓↓