wordcloud，一个超酷的python库

一、简单介绍一下

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，让读者能够从大量文本数据中快速抓住重点。如下图：

图1.png

wordcloud则是一个非常优秀的词云展示python库，它支持自定义词云图的大小、颜色、字体等，甚至可以通过蒙版图片设置词云图的形状。因此，我们可以借助wordcloud轻松生成精美的词云图。

二、安装只需一行命令

pip install wordcloud

三、从一个简单例子开始

from wordcloud import WordCloud

text = "微信公众号：愤怒的it男"

wc = WordCloud(font_path='FZYTK.TTF', repeat=True)
wc.generate(text)
wc.to_file('wordcloud.png')

这里通过WordCloud类设置字体为方正姚体，背景颜色为白色，文本可以重复显示。生成WordCloud对象后，使用generate()方法将“微信公众号：愤怒的it男”生成词云图。最后，使用to_file()方法生成图片文件。

图2.png

四、细说wordcloud

WordCloud作为wordcloud库最核心的类，其主要参数及说明如下：

图3.PNG

这里以wordcloud库官方文档的constitution.txt文件作为数据，覆盖WordCloud类的各种参数设置用法，绘制出一张精美的词云图。

图4.PNG

首先，读入constitution.txt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:
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

print(text[:500])

图5.PNG

然后，在默认参数设置下，使用WordCloud对象的generate()和to_file()方法生成一张简单的词云图。

from wordcloud import WordCloud
import re

with open('constitution.txt') as c:
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

wc = WordCloud()
wc.generate(text)

wc.to_file('wordcloud.png')

图6.png

以上词云图是在默认参数下生成的，简单粗糙不好看。接下来我们将对WordCloud的各种参数调整设置，不断地对以上词云图进行升级改造。

1、设置图片属性

设置图片宽为600，高为300，放大1.5倍，色彩空间为RGBA，背景颜色为None。

from wordcloud import WordCloud
import re

with open('constitution.txt') as c:
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

wc = WordCloud(
    width=600,
    height=300,
    scale=1.5,
    mode='RGBA',
    background_color=None,
    )
wc.generate(text)

wc.to_file('wordcloud.png')

图7.png

2、设置文字布局

设置水平比例为1（即全部为水平文字），最多只显示100个词，停用词使用自带的词典（中文需要传入自定义的），相关一致性为0.3，文字布局为非随机，不允许重复词。

from wordcloud import WordCloud
import re

with open('constitution.txt') as c:
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

wc = WordCloud(
    width=600,
    height=300,
    scale=1.5,
    mode='RGBA',
    background_color=None,
    prefer_horizontal=1,
    max_words=400,
    stopwords=None,
    relative_scaling=0.3,
    random_state=4,
    repeat=False,
    )
wc.generate(text)

wc.to_file('wordcloud.png')

图8.png

3、设置字体属性

设置字体为‘JOKERMAN.TTF’，最小字号为2，最大字号为150。

from wordcloud import WordCloud
import re

with open('constitution.txt') as c:
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

wc = WordCloud(
    width=600,
    height=300,
    scale=1.5,
    mode='RGBA',
    background_color=None,
    prefer_horizontal=1,
    max_words=400,
    stopwords=None,
    relative_scaling=0.3,
    random_state=4,
    repeat=False,
    font_path='JOKERMAN.TTF',
    min_font_size=2,
    max_font_size=150,
    )
wc.generate(text)

wc.to_file('wordcloud.png')

图9.png

4、设置蒙版

图10.PNG

设置微信公众号【愤怒的it男】头像的黑白图片为蒙版图片。

from PIL import Image
from wordcloud import WordCloud
import numpy as np
import re

mask_picture = np.array(Image.open('angry_it_man_mask.png'))

with open('constitution.txt') as c:
    text = ' '.join([word.group().lower() for word in re.finditer('[a-zA-Z]+', c.read())])

wc = WordCloud(
    width=600,
    height=300,
    scale=1.5,
    mode='RGBA',
    background_color=None,
    prefer_horizontal=1,
    max_words=400,
    stopwords=None,
    relative_scaling=0.3,
    random_state=4,
    repeat=False,
    font_path='JOKERMAN.TTF',
    min_font_size=2,
    max_font_size=150,
    mask=mask_picture,
    )
wc.generate(text)

wc.to_file('wordcloud.png')

图11.png