关于词云可视化笔记一（wordcloud和英文词汇可视化）

python与大数据分析

发布于 2022-03-11 13:11:35

5820

发布于 2022-03-11 13:11:35

一直比较关注数据可视化这块，对于分词和词的可视化却始终不明就里，直到看到词云，当时惊为天人，不过词云的制作还是非常麻烦，直到2017年Python走近我的视野中，python可以说无所不能，急人之所急，无数奉献者奉献的无数package，踩在前人的肩膀上coding可以少走很多弯路。

词云主要包括三块内容，一块是词库，一块是分词，一块是可视化，一般来说词库和分词是密不可分的，分词会自带一些词库，当然也可以按照词库的格式要求引入一些停用词库、专业词库、自定义词库。此外在词库和分词英文和中文是完全不同的，wordcloud就是典型的集英文词库、分词和可视化为一体的python包。中文方面主要包括jieba分词和pkuseg分词。

笔记先讨论英文词云可视化，后续再补充中文词云的可视化内容。

代码示例

from os import path
from PIL import Image
from wordcloud import WordCloud, STOPWORDS,ImageColorGenerator
import numpy as np
import matplotlib.pyplot as plt
#------------------------版本一，标准的WordCloud输出-------------------------------
d = path.dirname(__file__)
#此处下载特朗普总统就职演说
text = open(path.join(d,'speechenglish.txt')).read()
#获取停用词集合
stopwords = set(STOPWORDS)
#stopwords 输出内容和格式：{'being', 'few', 'where', "how's", 'before', "she'll", 'on', 'at', 'his', "doesn't", "you'd","..."}
#追加停用词
stopwords.add('said')
# stopwords 输出内容和格式：{'being', 'few', 'where', "how's", 'before', "she'll", 'on', 'at', 'his', "doesn't", "you'd","said","..."}
wordcloud=WordCloud().generate(text)
# 直接输出为<wordcloud.wordcloud.WordCloud object at 0x0000019E8CFC2E80>
# 查阅https://github.com/amueller/word_cloud/blob/master/wordcloud/wordcloud.py
# self.layout_ = list(zip(frequencies, font_sizes, positions,orientations, colors))
# layout_返回的内容是（单词,词频）,字体大小,位置,方向和颜色
# 可以通过以下代码打印相关结果 for word in wordcloud.layout_:print(word)
# 条目1 (('will', 1.0), 63, (77, 102), None, 'rgb(49, 181, 123)')
# 条目2 (('people', 0.8571428571428571), 58, (126, 140), None, 'rgb(42, 119, 142)')
#以下可直接输出top50的词汇
process_word=WordCloud.process_text(wordcloud,text)
sort = sorted(process_word.items(),key=lambda e:e[1],reverse=True)
print(sort[:50])
# 直接通过图片格式输出词云图
word_image=wordcloud.to_image()
word_image.show()
# 用matplotlib方式绘制词云图，interpolation参数有好多，大概是跟色彩有关
# methods = [None, 'none', 'nearest', 'bilinear', 'bicubic', 'spline16',
#           'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric',
#           'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos']
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
#----------------------版本二，定制的WordCloud图像输出-----------------------------
# 指定图片蒙版
pic_mask = np.array(Image.open(path.join(d, "kulou.jpg")))
# 指定wordcloud输出图片的样式，如上所述，初始化过程中即指定了相关的参数，并在generate进行输出
wc = WordCloud(background_color="white", max_words=2000, mask=pic_mask,stopwords=stopwords)
# 直接通过图片格式输出词云图
wc.generate(text)
# 设置图形的字体颜色
#------------------版本三，定制的WordCloud图像输出-定制字体颜色----------------------
color_source_image=np.array(Image.open('kulou.jpg'))
colormap=ImageColorGenerator(color_source_image)
colored_image=wc.recolor(color_func=colormap)
#------------------------------------------------------------------------------------
wc.to_file(path.join(d, "kulou_wc.jpg"))
# 用matplotlib方式绘制词云图
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()