词云（wordcloud）之密集恐惧症慎入

1、安装

词云，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现。词云可以快速过滤掉大量的低频低质的文本信息，使得浏览者只要一眼就可领略文本的主旨。所谓一叶知秋是也。

wordclund 是 python 制作词云的一个第三方库，官方文档 wordcloud。其特点是：

填充所有的可用空间
能够使用任意的mask
修改轻松而实现高效

1、安装

既然是第三方库，就需要有劳 python包管理器 pip 的大驾了。

python3 -m pip install wordcloud

注意：wordcloud 似乎对 arm64 系统尚不支持，安装会报错：

error: command '/usr/bin/aarch64-linux-gnu-gcc' failed with exit code 1

原因可能为缺少依赖软件包。

2、使用

wordcloud 把词云当作一个 WordCloud 对象，其主要操作函数为 wordcloud.WordCloud()，可以根据文本词语出现的频率输出词云，并通过调整相应参数实现不同的输出效果。

参数及含义：

(font_path=None, width=400, height=200, margin=2,\
ranks_only=None, prefer_horizontal=.9, mask=None, scale=1,\
color_func=None, max_words=200, min_font_size=4,\
stopwords=None, random_state=None, background_color='black',\
max_font_size=None, font_step=1, mode="RGB",\
relative_scaling='auto', regexp=None, collocations=True,\
colormap=None, normalize_plurals=True, contour_width=0,\
contour_color='black', repeat=False,include_numbers=False,\
min_word_length=0, collocation_threshold=30)

参数	描述
font_path	字体路径
width	画布宽度（像素）
height	画布高度（像素）
margin	边缘（像素）
ranks_only
prefer_horizontal
mask	配合imread()函数使用，若参数为空，则使用二维遮罩绘制词云。若非空，则设置的宽高值将被忽略，遮罩被 mask 形状取代。
scale	缩放比例
color_func	可调用的颜色函数对象
max_words	显示的最大单词（词语）数
min_font_size	最小字号
stop_words	不显示的单词列表
random_state
background_color	画布背景色
max_font_size	最大字号
font_step	字号步进
mode	颜色模式。当模式为RGBA，背景色为None时，将生成透明背景。
relative_scaling	相对比例
regexp	正则表达式，用于将输入文本分割为进程文本中的标记。
collocations	是否包含两个单词的搭配(双字母组合)
colormap	为每个单词随机绘制颜色，如果指定了color_func则会忽略。
normalize_plurals	是否删除单词末尾的s
contour_width	轮廓宽度，如果>1且mask非空，将会绘制轮廓。
contour_color	轮廓颜色
repeat	是否重复单词和短语，直到达到最大的单词或最小的字体大小
include_numbers	是否将数字视为短语
min_word_length	最小单词长度
collocation_threshold	搭配阈值

3、操作流程

步骤	描述
<f>=wordcloud.WordCloud()	配置词云参数
<f>.generate(txt)	加载文本至词云
<f>.to_file()	输出词云文件（.png或.jpg）

4、示例

英文文本（以莎翁剧本《Hamlet》为例）

import wordcloud

f=open('hamlet.txt').read()
txt=''.join(f)
w=wordcloud.WordCloud(width=1920,height=1080,background_color='white')
w.generate(txt)
w.to_file('hamlet.png')

中文文本（以十九届六中全会决议为例）

import jieba
import wordcloud

f=open('决议.txt','r',encoding='UTF-8')
t=f.read()
f.close()
ls=jieba.lcut(t)
txt=''.join(ls)
w=wordcloud.WordCloud(font_path='msyh.ttf',width=1920,height=1080,background_color='white')
w.generate(txt)
w.to_file('决议.png')

注意，中文文本字体路径不能为空，否则无法正确显示。

5、mask参数

mask 参数是一个很有趣的参数，它可以指定词云输出的形状。您要做的只是选择一张喜欢的图片（.png 或 .jpg 等格式，透明背景最好）作为 mask 即可。

from imageio import imread
mask=imread('mask.png') 

<f>=wordcloud.WordCloud(...mask=mask...)

注：

关于英文及中文词频的统计，请参见：

1、英文词频：Hamlet, are u ok?要统计某个词汇或事物出现的频度，如何才能实现呢？https://blog.csdn.net/iprobobo/article/details/122767768

2、中文词频：《三国演义》与结巴（jieba）的碰撞中文分词练习https://blog.csdn.net/iprobobo/article/details/122774849

文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/106957.html

词云（wordcloud）之密集恐惧症慎入

1、安装

2、使用

3、操作流程

4、示例

5、mask参数

相关推荐