python数据可视化——词云

Python知识大全

发布于 2020-02-13 14:56:12

1.3K0

发布于 2020-02-13 14:56:12

文章被收录于专栏：Python 知识大全Python 知识大全

阅读本文需要4分钟

词云百度百科：“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨

先上几张图片让大家欣赏一番：

这是我之前爬取的一篇文章并进行可视化而形成的词云

个性化——添加了个背景图

一般情况下对本狗来讲，更喜欢词云。

废话少说，开始教程：

需要的模块

import jieba
import numpy as np
from PIL import Image
from wordcloud import WordCloud
from matplotlib import pyplot as plt

小刀试牛

首先需要进行分词，也就是将一个句子分割成一个个的词语，我这里使用的是jieba分词

import jieba 
cut = jieba.cut(text)  #text为你需要分词的字符串/句子
string = ' '.join(cut)  #将分开的词用空格连接
print(string)

分好词后就需要将词做成词云了，我使用的是wordcloud

from matplotlib import pyplot as plt
from wordcloud import WordCloud
 
string = '''
 I volunteer to join the Communist Party of China, support the Party's program, abide by the Party's 
 Articles of Association, fulfill Party duties, implement Party decisions, strictly observe Party discipline, 
 keep the secrets of the Conservative Party, be loyal to the Party, work actively, and fight for communism for life. 
 We are always ready to sacrifice everything for the Party and the people and never defect to the Party.
'''
font = r'C:\Windows\Fonts\simfang.ttf' #设置字体路径 
wc = WordCloud(font_path=font, #如果是中文必须要添加这个，否则会显示成框框
               background_color='white',
               width=1000,
               height=800,
               ).generate(string)
wc.to_file('789.png') #保存图片
plt.imshow(wc)  #用plt显示图片
plt.axis('off') #不显示坐标轴
plt.show() #显示图片

效果图：

属性设置

font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf'
width : int (default=400) //输出的画布宽度，默认为400像素
height : int (default=200) //输出的画布高度，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) //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。
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
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STOPWORD
background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
max_font_size : int or None (default=None) //显示的最大的字体大小
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
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。

自定义背景形状

通过添加 “mask=”这个属性，来实现改变背景形状，但是

背景图片必须是白底，它会在你非白底的地方填充上文字，

所以最终我的代码是这样的：

import jieba
from matplotlib import pyplot as plt
from wordcloud import WordCloud
from PIL import Image
import numpy as np
 
path = r'文件存储的目录'
font = r'C:\Windows\Fonts\FZSTK.TTF'
 
text = (open(path+r'？？？？.txt','r',encoding='utf-8')).read()
cut = jieba.cut(text)  #分词
string = ' '.join(cut)
print(len(string))
img = Image.open(path+r'\456.png') #打开背景图
img_array = np.array(img) #将图片装换为数组
stopword=['xa0']  #设置停止词，也就是你不想显示的词，这里这个词是我前期处理没处理好，你可以删掉他看看他的作用
wc = WordCloud(
    background_color='white',
    width=1000,
    height=800,
    mask=img_array,
    font_path=font,
    stopwords=stopword
)
wc.generate_from_text(string)#绘制图片
plt.imshow(wc)
plt.axis('off')
plt.figure()
plt.show()  #显示图片
wc.to_file(path+r'\123.png')  #保存图片

图片源：