前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >词云绘制,推荐三种 Python包外加一个在线网站!

词云绘制,推荐三种 Python包外加一个在线网站!

作者头像
前端小tips
发布2021-12-10 10:51:05
9440
发布2021-12-10 10:51:05
举报
文章被收录于专栏:前端文章小tips前端文章小tips

词云是文本可视化的重要方式,可将大段文本中的关键语句和词汇高亮展示,

本篇文章先介绍几种制作词云的 Python 库,分别是 WordCloud、StyleCloud、Pyecharts;再加一个在线词云制作网站;最后通过代码实操和可视化效果对它们做个简单比较

WordCloud、StyleCloud、Pyecharts 这三个包制作词云都具备一个特点: 仅需几行代码就能绘制出一张精美的词云图,但需设置的参数量较大

WordCloud

WordCloud 是 Python 做词云图使用频率最高的一个库,上手简单,操作方便;词云 mask 形状可以自定义;后面介绍的两款库都是基于它 进行二次开发

WordCloud 把所有方法都封装到 WordCloud 类中,使用时只需更改一些参数,来调整词云图样式

以一个简单的 圆形 词云图为例,

先用 collections 构建了一个词频字典, 之后利用 WordCloud() 中的 generate_from_frequencies() 方法来拟合传入的文本

关于词云形状 ,下面代码中通过 numpy 生成一个圆形二值化数组作为 mask 参数;

代码语言:javascript
复制
from wordcloud import WordCloud
from collections import Counter
​
word_list = []
with open("danmu.txt",encoding='utf-8') as f:
    words = f.read()
    for word in words.split('\n'):
        if re.findall('[\u4e00-\u9fa5]+', str(word), re.S):  # 正则表达式匹配中文字符
            word_list.append(word)
​
def SquareWord(word_list):
    counter = Counter(word_list) # 计算词频;
    start = random.randint(0, 15) # 随机取0-15中间一个数字;
    result_dict = dict(counter.most_common()[start:]) # 在 counter 中取前start 个元素;
​
    x,y = np.ogrid[:300,:300] # 创建0-300二维数组;
    mask = (x-150)**2 + (y-150)**2>130**2 #创建以 150,150为圆心,半径为130的Mask;
    mask = 255*mask.astype(int) # 转化为 int
​
    wc = WordCloud(background_color='black',
                   mask = mask,
                   mode = 'RGB',
                   font_path="D:/Data/fonts/HGXK_CNKI.ttf",  # 设置字体路径,用于设置中文,
                   ).generate_from_frequencies(result_dict)
​
    plt.axis("off")
    plt.imshow(wc,interpolation="bilinear")
    plt.show()
​
SquareWord(word_list)# 绘制词云图主函数

效果如下:

square

<figcaption style="margin-top: 5px; text-align: center; color: #888; font- size: 0.0;">square</figcaption>

WordCloud 相对于其它两个 Python 库最突出的一个点:可以自定义 Mask ,通过 mask 参数传入一个 numpy 数组,来设定词云形状

但需要注意的是文本只填充value!=255 的区域,对 Value ==255 区域忽略 ,所以如果作为mask的备选图像不满足这个条件的话,需对图像进行预处理如下,背景用纯白色像素填充

image-20210210103201422

自定义mask词云绘制

代码语言:javascript
复制
def AliceWord(word_list):
    counter = Counter(word_list)  # 计算词频;
    start = random.randint(0, 15)  # 随机取0-15中间一个数字;
    result_dict = dict(counter.most_common()[start:])  # 在 counter 中取前start 个元素;
​
    # x, y = np.ogrid[:300, :300]  # 创建0-300二维数组;
    # mask = (x - 150) ** 2 + (y - 150) ** 2 > 130 ** 2  # 创建以 150,150为圆心,半径为130的Mask;
    # mask = 255 * mask.astype(int)  # 转化为 int
​
    # 读取图片作为 Mask
    alic_coloring = np.array(Image.open("D:/Data/WordArt/Alice_mask.png"))
    wc = WordCloud(background_color = "white",# 设置背景颜色
                   mode ="RGB",
                   mask=alic_coloring,# 为None时,自动创建一个二值化图像,长400,宽200;
                   min_font_size=4,#  使用词的最小频率限定;
                   relative_scaling= 0.8,# 词频与大小相关性
                   font_path="D:/Data/fonts/HGXK_CNKI.ttf",  # 字体路径,用于设置中文,
                   ).generate_from_frequencies(result_dict)
​
    wc.to_file("D:/Data/WordArt/wordclound.jpg")# 把生成的词云图进行保存
    plt.axis("off")
    plt.imshow(wc, interpolation="bilinear")
    plt.show()

可视化效果

wordclound

最后,这里提一下 WordCloud 中最主要的几个参数设定:

  • background_color(type->str) ,颜色名字或颜色代码,设置词云图的背景色
  • font_path(type->str), 自定义字体路径,需要注意的时若预览的是中文文本,这个参数必须设置,否则会出现乱码情况;
  • mask(type->ndarray),自定义词云形状,绘制时忽略纯白区域;
  • mode(type->str),设为 ’RGBA‘ 时,背景为透明,默认为 ’RGB‘;
  • relative_scaling(type-> float),词汇频率与最终词汇展示大小相关性,取值 0 -1;这个值越大相关性越强,默认为 0.5;
  • prefer_horizontal(type->float),控制水平文字相对于处置显示文字的比例,越小则词云图中竖直显示文字越多;

除了以上参数之外,还可以设定 颜色,禁用词,是否出现重复词 等信息

image-20210210110804316

详情可参考官方文档

https://amueller.github.io/word_cloud/generated/wordcloud.WordCloud.html#wordcloud.WordCloud

StyleCloud

StyleCloud 是基于 WordCloud 开发的,在 WordCloud 的基础上又加入了一些新特性

image-20210210114111274

  • 1,支持颜色渐变;
  • 2,关于词云颜色,可以通过设计好的调色板来设置;
  • 3,支持图标 作为 mask,这个新特性是最赞的,并且设置时可直接对接 Font Awesome 网站,这里面有各式各样的图标
  • 4,除了 text文本可作为词汇输入之外,还支持等 csv、txt 文件格式的输入;

主程序只需一行代码即可

代码语言:javascript
复制
def Style_WordArt():
    # StyleClound 绘制词云图
    stylecloud.gen_stylecloud(
        file_path = "danmu.txt",#词云文本
        background_color='white',#背景颜色
        palette="colorbrewer.qualitative.Dark2_7",#调色板,来改变词云图文本颜色
        icon_name='fas fa-cat',# 词云图标;
        font_path= "D:/Data/fonts/HGXK_CNKI.ttf",# 中文字体路径
        random_state=40,#控制文本颜色随机状态;
        invert_mask= False,# 最终Mask是否逆置;
        output_name="D:/Data/WordArt/styleclound.jpg",# 图片保存路径
    )

效果如下:

styleclound

修改蒙版的话只需要更改 icon_name 参数即可,可参考 Font Awesome 网站, https://fontawesome.com/icons?d=gallery&m=free,里面几千种图案都可以使用

image-20210210115437929

icon_name名称的设置为目标图标的 class 标签即可,如下

image-20210210120030256

<figcaption style="margin-top: 5px; text-align: center; color: #888; font- size: 0.0;">image-20210210120030256</figcaption>

icon_name = 'fas fa-dog'

styleclound1

icon_name ='fab fa-amazon' 时:

styleclound11

关于词云颜色调色板设定,修改 palette 参数即可,palette 设定可参考 Palettable 网站: https://jiffyclub.github.io/palettable/ ,有多种调色样式模板可供选择

image-20210210120541712

其中上面每个模块中又有许多子模块,为最终需要设置的调色板

image-20210210121310786

设置时选择任意模板的子模板即可, 不需要前面的palettable. 字符串;例如我想设置 palettale.colorbrewser.qualitative.Dark2_3 作为调色版,只需要将 palettle = 'colorbrewser.qualitative.Dark2_3'即可

设置不同的调色板,最终会有不同的样式效果哦!

paletabble ='colorbrewer.qualitative.Paired_10'

image-20210210121514012

paletabble ='lightbartlein.diverging.BlueDarkOrange12_11'

image-20210210121739080

关于 Stylecloud 其它参数用法,可参考官方文档 https://github.com/minimaxir/stylecloud

Pyecharts

Pyecharts 是基于 Apache Echarts 开发的,主要用于数据可视化;词云图只是其中众多图表类型中的一个,相对于前两种词云包,Pyecharts 的可视化效果要弱一些

但 Pyecharts 将词云图保存为单个 html 文件,最终呈现出来有一定的交互效果

word

代码部分

代码语言:javascript
复制
from pyecharts.charts import WordCloud
import pyecharts.options as opts
​
word_list = []
with open("danmu.txt",encoding='utf-8') as f:
    words = f.read()
    for word in words.split('\n'):
        if re.findall('[\u4e00-\u9fa5]+', str(word), re.S):  # 正则表达式匹配中文字符
            word_list.append(word)
​
def Pyecharts_wordArt(word_list):
    counter = Counter(word_list)  # 计算词频;
    start = random.randint(0, 15)  # 随机取0-15中间一个数字;
    result_dict = list(counter.most_common()[start:])  # 在 counter 中取前start 个元素;
    print(result_dict[5:])
​
    Charts = WordCloud().add(series_name="Pyecharts", data_pair=result_dict, word_size_range=[6, 66]).set_global_opts(
        title_opts=opts.TitleOpts(
            title="Pyecharts", title_textstyle_opts=opts.TextStyleOpts(font_size=23)),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
    Charts.render("Pyecharts_Wordclound.html")
​
Pyecharts_wordArt(word_list)

需要注意的是,Pyecharts 输入的文本需要是列表类型, 并且每隔词语与他出现的频率以数组形式存在,格式如下:

image-20210210130357486

总结

在这三种词云图的基础上,这里再推荐一个词云在线制作网站,WordArt.com, 最终的可视化效果要优于上面三种,并且调整样式也非常方便,简单直观,如果制作词云图数量不是很多的话,建议借助这个网站进行绘制

image-20210210131002843

要对这几个工具做个比对的话,从下面几个角度我对它们做了个排序

可视化效果

WordArt > Stylecloud > WordCloud > Pyecharts

交互效果

WordArt > Pyecharts > StyleCloud = WordCloud

自动化效率

Pyecharts = StyleCloud = WordCloud > WordArt

上手容易程度

WrodArt > StyleCloud > Pyecharts > WordCloud

至于最终选择那个作为最终词云绘制工具,需要结合自身情况及使用场景进行选择,但无论哪一种工具,都要要提前简单了解一下

好了,以上就是本篇文章的全部内容了,最后感谢大家的阅读,我们下期见!

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
作者已关闭评论
0 条评论
热度
最新
推荐阅读
目录
  • WordCloud
  • StyleCloud
  • Pyecharts
  • 总结
相关产品与服务
腾讯云图数据可视化
腾讯云图数据可视化(Tencent Cloud Visualization) 是一站式数据可视化展示平台,旨在帮助用户快速通过可视化图表展示大量数据,低门槛快速打造出专业大屏数据展示。精心预设多种行业模板,极致展示数据魅力。采用拖拽式自由布局,全图形化编辑,快速可视化制作。腾讯云图数据可视化支持多种数据来源配置,支持数据实时同步更新,同时基于 Web 页面渲染,可灵活投屏多种屏幕终端。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档