作者:费弗里
博客地址:
https://www.cnblogs.com/feffery/p/11842798.html
说明:本文经作者授权转载,禁止二次转载
本文对应脚本及数据已上传至我的
Github
仓库https://github.com/CNFeffery/DataScienceStudyNote
一、简介
词云图
是文本挖掘中用来表征词频的数据可视化图像,通过它可以很直观地展现文本数据中地高频词:
![32402019-c81c-eb11-8da9-e4434bdf6706.png](http://p04.5ceimg.com/content/32402019-c81c-eb11-8da9-e4434bdf6706.png)
Python
中有很多可视化框架可以用来制作词云图,如pyecharts,但这些框架并不是专门用于制作词云图的,因此并不支持更加个性化的制图需求,要想创作出更加美观个性的词云图,需要用到一些专门绘制词云图的第三方模块,本文就将针对其中较为优秀易用的wordcloud以及stylecloud的用法进行介绍和举例说明。
一、利用wordcloud绘制词云图
wordcloud
是Python中制作词云图比较经典的一个模块,赋予用户高度的自由度来创作词云图:
![34402019-c81c-eb11-8da9-e4434bdf6706.png](http://p02.5ceimg.com/content/34402019-c81c-eb11-8da9-e4434bdf6706.png)
2.1 从一个简单的例子开始
这里我们使用到来自wordcloud官方文档中的constitution.txt
来作为可视化的数据素材:
![35402019-c81c-eb11-8da9-e4434bdf6706.png](http://p03.5ceimg.com/content/35402019-c81c-eb11-8da9-e4434bdf6706.png)
首先我们读入数据并将数据清洗成空格分隔的长字符串:
import re
with open(‘constitution.txt’) as c:
‘’’抽取文本中的英文部分并小写化,并将空格作为分隔拼接为长字符串’’’
text = ‘ ‘.join([word.group().lower() for word in re.finditer(‘[a-zA-Z]+’, c.read())])
‘’’查看前100个字符’’’
text[:500]
![37402019-c81c-eb11-8da9-e4434bdf6706.png](http://p05.5ceimg.com/content/37402019-c81c-eb11-8da9-e4434bdf6706.png)
WordCloud
配合
matplotlib
,在默认参数设置下生成一张简单的词云图:
from wordcloud import WordCloud
import matplotlib.pyplot as plt
%matplotlib inline
‘’’从文本中生成词云图’’’
wordcloud = WordCloud().generate(text)
plt.figure(figsize=[12, 10])
plt.imshow(wordcloud)
plt.axis(‘off’)
plt.show()
生成的词云图:
![39402019-c81c-eb11-8da9-e4434bdf6706.png](http://p03.5ceimg.com/content/39402019-c81c-eb11-8da9-e4434bdf6706.png)
毕竟是在默认参数下生成的词云图,既丑陋又模糊,为了绘制好看的词云图,接下来我们来对wordcloud绘制词云图的细节内容进行介绍,并不断地对图5进行升级改造。
2.2 WordCloud
作为wordcloud
绘制词云图最核心的类,WordCloud
的主要参数及说明如下:
fontpath:字符型,用于传入本地特定字体文件的路径(ttf或otf文件)从而影响词云图的字体族width:int型,用于控制词云图画布宽度,默认为400height:int型,用于控制词云图画布高度,默认为200prefer_horizontal:float型,控制所有水平显示的文字相对于竖直显示文字的比例,越小则词云图中竖直显示的文字越多mask:传入蒙版图像矩阵,使得词云的分布与传入的蒙版图像一致contour:float型,当mask不为None时,contour参数决定了蒙版图像轮廓线的显示宽度,默认为0即不显示轮廓线contour_color:设置蒙版轮廓线的颜色,默认为’black’scale:当画布长宽固定时,按照比例进行放大画布,如scale设置为1.5,则长和宽都是原来画布的1.5倍min_font_size:int型,控制词云图中最小的词对应的字体大小,默认为4max_font_size:int型,控制词云图中最大的词对应的字体大小,默认为200max_words:int型,控制一张画布中最多绘制的词个数,默认为200stopwords:控制绘图时忽略的停用词,即不绘制停用词中提及的词,默认为None,即调用自带的停用词表(仅限英文,中文需自己提供并传入)background_color:控制词云图背景色,默认为’black’mode:当设置为’RGBA’且background_color设置为None时,背景色变为透明,默认为’RGB’relative_scaling:float型,控制词云图绘制字的字体大小与对应字词频的一致相关性,当设置为1时完全相关,当为0时完全不相关,默认为0.5color_func:传入自定义调色盘函数,默认为Nonecolormap:对应
matplotlib
中的colormap调色盘,默认为viridis
,这个参数与参数color_func互斥,当color_func有函数传入时本参数失效repeat:bool型,控制是否允许一张词云图中出现重复词,默认为False即不允许重复词
random_state:控制随机数水平,传入某个固定的数字之后每一次绘图文字布局将不会改变
了解了上述参数的意义之后,首先我们修改背景色为白色,增大图床的长和宽,加大scale以提升图片的精细程度,并使得水平显示的文字尽可能多:
‘’’从文本中生成词云图’’’
wordcloud = WordCloud(background_color=‘white’, # 背景色为白色
height=400, # 高度设置为400
width=800, # 宽度设置为800
scale=20, # 长宽拉伸程度设置为20
prefer_horizontal=0.9999).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘图6.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
![3c402019-c81c-eb11-8da9-e4434bdf6706.jpeg](http://p03.5ceimg.com/content/3c402019-c81c-eb11-8da9-e4434bdf6706.jpeg)
可以看到相较于图5,在美观程度上有了很大的进步,接下来,我们在图6的基础上添加美国本土地图蒙版:
![3e402019-c81c-eb11-8da9-e4434bdf6706.png](http://p05.5ceimg.com/content/3e402019-c81c-eb11-8da9-e4434bdf6706.png)
利用PIL
模块读取我们的美国本土地图蒙版.png
文件并转换为numpy数组,作为WordCloud
的mask参数传入:
from PIL import Image
import numpy as np
usa_mask = np.array(Image.open(‘美国本土地图蒙版.png’))
‘’’从文本中生成词云图’’’
wordcloud = WordCloud(background_color=‘white’, # 背景色为白色
height=4000, # 高度设置为400
width=8000, # 宽度设置为800
scale=20, # 长宽拉伸程度程度设置为20
prefer_horizontal=0.9999,
mask=usa_mask # 添加蒙版
).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘图8.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
![44402019-c81c-eb11-8da9-e4434bdf6706.jpeg](http://p01.5ceimg.com/content/44402019-c81c-eb11-8da9-e4434bdf6706.jpeg)
可以看到图8在图6的基础上进一步提升了美观程度,接下来我们利用wordcloud
中用于从图片中提取调色方案的类ImageColorGenerator
来从下面的星条旗美国地图蒙版中提取色彩方案,进而反馈到词云图上:
![49402019-c81c-eb11-8da9-e4434bdf6706.png](http://p01.5ceimg.com/content/49402019-c81c-eb11-8da9-e4434bdf6706.png)
from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator
usamask = np.array(Image.open(‘美国地图蒙版星条旗色.png’))
image_colors = ImageColorGenerator(usa_mask)
‘’’从文本中生成词云图’’’
wordcloud = WordCloud(background_color=‘white’, # 背景色为白色
height=400, # 高度设置为400
width=800, # 宽度设置为800
scale=20, # 长宽拉伸程度程度设置为20
prefer_horizontal=0.2, # 调整水平显示倾向程度为0.2
mask=usa_mask, # 添加蒙版
max_words=1000, # 设置最大显示字数为1000
relative_scaling=0.3, # 设置字体大小与词频的关联程度为0.3
max_font_size=80 # 缩小最大字体为80
).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘图10.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
![4d402019-c81c-eb11-8da9-e4434bdf6706.jpeg](http://p02.5ceimg.com/content/4d402019-c81c-eb11-8da9-e4434bdf6706.jpeg)
2.3 中文词云图
相较于英文文本语料,中文语料处理起来要麻烦一些,我们需要先进行分词等预处理才能进行下一步的处理,这里我们使用某外卖平台用户评论数据,先读取进来看看:
import pandas as pd
import jieba
‘’’读入原始数据’’’
raw_comments = pd.read_csv(‘waimai_10k.csv’);raw_comments.head()
![50402019-c81c-eb11-8da9-e4434bdf6706.png](http://p02.5ceimg.com/content/50402019-c81c-eb11-8da9-e4434bdf6706.png)
接下来我们利用re
、jieba
以及pandas
中的apply
对评论列进行快速清洗:
‘’’导入停用词表’’’
with open(‘stopwords.txt’) as s:
stopwords = set([line.replace(‘\n’, ‘’) for line in s])
‘’’传入apply的预处理函数,完成中文提取、分词以及多余空格剔除’’’
def preprocessing(c):
c = [word for word in jieba.cut(‘ ‘.join(re.findall(‘[\u4e00-\u9fa5]+’, c))) if word != ‘ ‘ and word not in stopwords]
return ‘ ‘.join(c)
‘’’将所有语料按空格拼接为一整段文字’’’
comments = ‘ ‘.join(raw_comments[‘review’].apply(preprocessing));comments[:500]
得到的结果如图12:
![51402019-c81c-eb11-8da9-e4434bdf6706.png](http://p02.5ceimg.com/content/51402019-c81c-eb11-8da9-e4434bdf6706.png)
这时我们就得到所需的文本数据,接下来我们用美团外卖的logo图片作为蒙版绘制词云图:
![b8402019-c81c-eb11-8da9-e4434bdf6706.png](http://p03.5ceimg.com/content/b8402019-c81c-eb11-8da9-e4434bdf6706.png)
from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator
waimai_mask = np.array(Image.open(‘美团外卖logo蒙版.png’))
image_colors = ImageColorGenerator(waimai_mask)
‘’’从文本中生成词云图’’’
wordcloud = WordCloud(background_color=‘white’, # 背景色为白色
height=400, # 高度设置为400
width=800, # 宽度设置为800
scale=20, # 长宽拉伸程度程度设置为20
prefer_horizontal=0.2, # 调整水平显示倾向程度为0.2
mask=waimai_mask, # 添加蒙版
max_words=1000, # 设置最大显示字数为1000
relative_scaling=0.3, # 设置字体大小与词频的关联程度为0.3
max_font_size=80 # 缩小最大字体为80
).generate(comments)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘图14.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
这时我们会发现词云图上绘制出的全是乱码,这是因为matplotlib
默认字体是不包含中文的:
![c9402019-c81c-eb11-8da9-e4434bdf6706.jpeg](http://p02.5ceimg.com/content/c9402019-c81c-eb11-8da9-e4434bdf6706.jpeg)
这时我们只需要为WordCloud
传入font_path参数即可,这里我们选择SimHei
字体:
from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator
waimai_mask = np.array(Image.open(‘美团外卖logo蒙版.png’))
image_colors = ImageColorGenerator(waimai_mask)
‘’’从文本中生成词云图’’’
wordcloud = WordCloud(font_path=‘SimHei.ttf’, # 定义SimHei字体文件
background_color=‘white’, # 背景色为白色
height=400, # 高度设置为400
width=800, # 宽度设置为800
scale=20, # 长宽拉伸程度程度设置为20
prefer_horizontal=0.2, # 调整水平显示倾向程度为0.2
mask=waimai_mask, # 添加蒙版
max_words=1000, # 设置最大显示字数为1000
relative_scaling=0.3, # 设置字体大小与词频的关联程度为0.3
max_font_size=80 # 缩小最大字体为80
).generate(comments)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘图15.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
![d4402019-c81c-eb11-8da9-e4434bdf6706.jpeg](http://p01.5ceimg.com/content/d4402019-c81c-eb11-8da9-e4434bdf6706.jpeg)
三、利用stylecloud绘制词云图
stylecloud
是一个较为崭新的模块,它基于wordcloud
,添加了一系列的崭新特性譬如渐变颜色等,可以支持更为个性化的词云图创作:
![d9402019-c81c-eb11-8da9-e4434bdf6706.png](http://p01.5ceimg.com/content/d9402019-c81c-eb11-8da9-e4434bdf6706.png)
3.1 从一个简单的例子开始
这里我们沿用上一章节中使用过的处理好的text来绘制词云图:
import stylecloud
from IPython.display import Image # 用于在jupyter lab中显示本地图片
‘’’生成词云图’’’
stylecloud.gen_stylecloud(text=text,
size=512,
output_name=‘图17.png’)
‘’’显示本地图片’’’
Image(filename=‘图17.png’)
![e0402019-c81c-eb11-8da9-e4434bdf6706.png](http://p02.5ceimg.com/content/e0402019-c81c-eb11-8da9-e4434bdf6706.png)
可以看出,styleword
生成词云图的方式跟wordcloud
不同,它直接就将原始文本转换成本地词云图片文件,下面我们针对其绘制词云图的细节内容进行介绍。
3.2 gen_stylecloud
在stylecloud
中绘制词云图只需要gen_stylecloud
这一个函数即可,其主要参数及说明如下:
text:字符串,格式同
WordCloud
中的generate()
方法中传入的textgradient:控制词云图颜色渐变的方向,’horizontal’表示水平方向上渐变,’vertical’表示竖直方向上渐变,默认为’horizontal’size:控制输出图像文件的分辨率(因为stylecloud默认输出方形图片,所以size传入的单个整数代表长和宽),默认为512icon_name:这是stylecloud中的特殊参数,通过传递对应icon的名称,你可以使用多达1544个免费图标来作为词云图的蒙版,点击这里查看你可以免费使用的图标蒙版样式,默认为’fas fa-flag’palette:控制调色方案,stylecloud的调色方案调用了palettable,这是一个非常实用的模块,其内部收集了数量惊人的大量的经典调色方案,默认为’cartocolors.qualitative.Bold_5’background_color:字符串,控制词云图底色,可传入颜色名称或16进制色彩,默认为’white’max_font_size:同wordcloud
max_words:同wordcloud
stopwords:bool型,控制是否开启去停用词功能,默认为True,调用自带的英文停用词表custom_stopwords:传入自定义的停用词List,配合stopwords共同使用output_name:控制输出词云图文件的文件名,默认为stylecloud.png
font_path:传入自定义字体*.ttf
文件的路径random_state:同wordcloud
对上述参数有所了解之后,下面我们在图17的基础上进行改良,首先我们将图标形状换成炸弹的样子,接着将配色方案修改进行修改。
修改为scientific.diverging.Broc_3:
‘’’生成词云图’’’
stylecloud.gen_stylecloud(text=text,
size=1024,
output_name=‘图18.png’,
palette=‘scientific.diverging.Broc_3’, # 设置配色方案
icon_name=‘fas fa-bomb’ # 设置图标样式
)
‘’’显示本地图片’’’
Image(filename=‘图18.png’)
![e4402019-c81c-eb11-8da9-e4434bdf6706.png](http://p04.5ceimg.com/content/e4402019-c81c-eb11-8da9-e4434bdf6706.png)
3.3 绘制中文词云图
在wordcloud
中绘制中文词云图类似wordcloud
只需要注意传入支持中文的字体文件即可,下面我们使用一个微博语料数据weibo_senti_100k.csv
来举例:
weibo = pd.read_csv(‘weibo_senti_100k.csv’)
weibo_text = [word for word in jieba.cut(‘ ‘.join(re.findall(‘[\u4e00-\u9fa5]+’, ‘ ‘.join(weibo[‘review’].tolist())))) if word != ‘ ‘ and word not in stopwords]
weibo_text[:10]
![f1402019-c81c-eb11-8da9-e4434bdf6706.png](http://p05.5ceimg.com/content/f1402019-c81c-eb11-8da9-e4434bdf6706.png)
接着我们将蒙版图标样式换成新浪微博。将色彩方案进行修改。
修改为colorbrewer.sequential.Reds_3:
‘’’生成词云图’’’
‘’’生成词云图’’’
stylecloud.gen_stylecloud(text=‘ ‘.join(weibo_text),
size=1024,
output_name=‘图20.png’,
palette=‘colorbrewer.sequential.Reds_3’, # 设置配色方案为https://jiffyclub.github.io/palettable/colorbrewer/sequential/#reds_3
icon_name=‘fab fa-weibo’, # 设置图标样式
gradient=‘horizontal’, # 设置颜色渐变方向为水平
font_path=‘SimHei.ttf’,
collocations=False
)
‘’’显示本地图片’’’
Image(filename=‘图20.png’)
![f4402019-c81c-eb11-8da9-e4434bdf6706.png](http://p02.5ceimg.com/content/f4402019-c81c-eb11-8da9-e4434bdf6706.png)
总结
好了,以上就是词云图的酷炫操作了!你Get了吗?
关注本公众号,后台回复【60】即可获得文中示例素材和封面图完整代码!
作者:费弗里
编辑:果果
扫码关注我们
关注送狗子表情包一张&精选python资料一份
用数据改变未来
后排的朋友,让我知道你在看行吗~↓↓↓