词云(wordcloud)使用简单介绍

摘要这一篇文章简单介绍关于词云(wordcloud)的简单使用. 主要介绍以下生成基本的词云和加上蒙版之后的词云的图片.

文章目录(Table of Contents)

简介

这一篇介绍关于词云的生成. 生成的结果如下所示. 会简单介绍一些参考资料和简单的使用方式.

使用wordcloud可以指定使用的字体, 在windows中, 字体在以下的文件夹中: C:\Windows\Fonts, 可以将其中的字体文件拷贝到当前的文件夹内.

我们指定字体可以使得其能生成中文的词云. 我下面放一张图, 具体生成过程是和下面的方法是一样的.

我们可以指定使用的字体, 图像的大小和颜色等.

# 生成普通的wordcloud
wordcloud = WordCloud(font_path=font_path, margin=1, random_state=1, max_words=300, width=1000, height=700, background_color='white').generate(text)
wordcloud.to_file('wordcloud.jpg')

最终的生成效果如下所示:

我们想要使得生成图片能与蒙版相符, 我们使用下面的蒙版（如果想要使用自己的蒙版，可以使用关键词「剪影」，这样主要的图像是黑色的，我们主要就是突出一个轮廓）:

# 生成带有mask的图片
mask = np.array(Image.open(path.join(d, "62.jpg")))
wordcloud = WordCloud(font_path=font_path, mask=mask, margin=1, random_state=1, background_color='white').generate(text)
wordcloud.to_file('wordcloud_mask.jpg')

最终生成的效果如下所示:

将上面的测试代码放在了github上, 链接为: wordcloud测试脚本

因为中文文档与外文不同，字符之间没有空格，所以我们需要首先对中文的文本进行分词。我们使用 jieba 库来对中文进行分词。这一部分参考自，中文文本的词云生成（以《三体》为例）。这一篇文章的代码可能有点问题，我在这里做一下简单的修改。

首先我们对一句完整的句子进行分词，使用 jieba 来完成。

最终的效果如下所示：

我们看到，上面句子中包含一些「停用词」，例如标点符号等，我们需要将其去掉。关于停用词表，可以直接在 github 上搜索「停用词」即可。我这里随便选择了其中的一个停用词来作为例子。

下面的函数可以读入停用词表，并将其转换为一个 list。

# 创建停用词list
def stopwordslist(filepath):
stopwords = [line.strip() for line in open(filepath, 'r', encoding='utf-8').readlines()]
return stopwords

大致的效果如下所示：

我们把上面的两个步骤结合起来。对中文句子进行分词，同时去掉其中的「停用词」。

在有了上面的铺垫之后，我们就可以对一个中文的文档绘制 wordcloud 了。整体的代码如下所示：

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
inputs = open('./example.txt', 'r', encoding='utf-8') # 原始的中文文档
outputs = open('./output.txt', 'w', encoding='utf-8') # 分词过后的中文文档
for line in inputs:
line_seg = seg_sentence(line) # 对每个句子进行分词
outputs.write(line_seg + '\n') # 将处理过后的文件进行保存
outputs.close()
inputs.close()
mask = np.array(Image.open("./66.jpg")) # 模板图片
inputs = open('output.txt', 'r', encoding='utf-8')
mytext=inputs.read()
wordcloud=WordCloud(mask=mask, width=3000, height=3000, background_color="white", margin=1,
max_words=300, min_font_size=10, max_font_size=None, repeat=False,
font_path="./FZKaTong-M19S.ttf").generate(mytext) #生成云图
wordcloud.to_file('wordcloud.jpg')
inputs.close()

最终生成的图像的效果如下所示：

在生成词云的时候，有一个参数是 colormap，我们可以指定需要的颜色风格。关于详细的 colormap 的内容，可以查看链接，Matplotlib Colormap reference。我们想要 colormap 起作用，需要设置 mode='RGBA'。

wordcloud=WordCloud(mask=mask, width=800, height=800, background_color="white", margin=1, max_words=10000, min_font_size=10, max_font_size=None, repeat=True,collocations=False, mode='RGBA', colormap='Reds',font_path="./FZKaTong-M19S.ttf").generate(mytext)