使用wordcloud制作精美詞云圖
一個簡單的開始
安裝庫
>>>pip3 install wordcloud
>>>pip3 install matplotlib
??wordcloud用來繪制詞云圖，是今天的主角。
??matplotlib是python中的2D繪圖庫，如果看官不熟悉可以先移步了解一下，或者也可以直接看我對使用到的函數的簡單注釋。
示例
@python 3.6.7
from os import path
import matplotlib.pyplot as plt
from wordcloud import WordCloud
CURRENT_PATH = path.dirname(path.abspath(__file__))
def show():
# 讀取本地test.txt文本，注意使用英文，中文后面會介紹
file_path = path.join(CURRENT_PATH, 'test.txt')
with open(file_path, 'r') as f:
text = f.read()
# 生成WordCloud對象，調用generate方法
# windows下請選擇要使用的字體路徑
# wordcloud = WordCloud(font_path='your_font_path').generate(text)
wordcloud = WordCloud().generate(text)
plt.imshow(wordcloud) # 繪制傳入的wordcloud
plt.axis('off') # 傳入off，關閉坐標軸
plt.show() # 顯示圖片
if __name__ == '__main__':
show()
??上面過程很好理解，唯一可能不熟悉的是兩個新庫的API。
??Wordcloud是一個類，有很多可以初始化的參數，這里全部采用默認的設置，然后調用generate方法。
??imshow和show的區別可以這樣理解，imshow將圖像繪制到內存，也就是說圖像已經繪制了，只是在內存沒有傳到顯示器，然后調用show呈現在顯示器上。
test.txt內容
A Lion lay asleep in the forest, his great head resting on his paws. A timid little Mouse came upon him unexpectedly, and in her fright and haste to get away, ran across the Lion's nose.
效果展示
來，深入了解一下
generate的遞進層次
??下面是wordcloud模塊中generate的調用過程源碼分析。
def generate(self, text):
return self.generate_from_text(text)
??沒錯，generate方法就一行代碼，調用generate_from_text方法然后返回。有種被欺騙的感覺，不過因為是面向對象的設計也情有可原，畢竟方法名變短了O(∩_∩)O哈哈~。
def generate_from_text(self, text):
words = self.process_text(text)
self.generate_from_frequencies(words)
return self
??generate_from_text先調用了process_text對英文單詞進行簡單分詞，返回的數據類型是字典，鍵是單詞，值是頻數。作者在這個函數里也說了有更好的方法來進行分詞和標記，所以在process_text的實現上也就沒有應有盡有。這也是為什么需要了解generate的層次，當你采用其它分詞技術后，也就不需要也不應該重頭調用generate。
??所以generate_from_frequencies應當是你深入了解后常用的方法。generate_from_frequencies接受分詞后包含有詞匯頻數的字典，然后經過一系列轉化返回WordCloud對象，之后就能調用matplotlib.pyplot進行處理和顯示了。
??當然generate_from_frequencies也被封裝在fit_words方法下。不過如果直接調用generate_from_frequencies還有第二個參數max_font_size可選，它用來指定生成的詞云圖中字體的最大字號，默認為None。
def fit_words(self, frequencies):
return self.generate_from_frequencies(frequencies)
全方位認識WordCloud
??WordCloud含有眾多的可選參數，認識這些參數可以幫助你更好的創建完美的wordcloud詞云圖。
??font_path=None
??要使用的字體（OTF或TTF）的字體路徑。默認為None即使用Linux機器上的DroidSansMono路徑。如果你在另一個操作系統或者沒有此字體，您需要調整此路徑。這也是為啥最開始windows用戶需要自己動手找字體的原因了。
??width=400
??生成的圖像寬度，默認400
??height=200
??生成的圖像高度，默認200
??margin=2
??詞匯之間間距，默認為2。
??ranks_only=None
??已經棄用，沒有效果。
??prefer_horizontal=.9
??原文翻譯為嘗試水平擬合的次數與垂直擬合的次數之比。白話一點就是這個值小于1（默認為0.9），就會嘗試旋轉那些不適合水平方向的詞匯為豎直方向；如果大于等于1的話就沒有詞匯豎直顯示的效果，但即使設置為0也不會讓所有詞匯都豎直顯示。
??mask=None
??當使用自己的圖片來制作詞云圖的時候就需要這個參數，默認為None。這個參數是一個多維數組，需要使用其它庫來將自己路徑中的圖像轉化為數組。一旦使用mask后，之前設定的高和寬都將忽略而采用圖像的形狀。如果想要自己的詞匯能夠被明確的繪制成圖片的圖形形狀，那么請采用白底圖片。因為只有白色的背景（#FF or #FFFFFF）會被忽略，否則如果背景色彩不是純白的話那么繪制出來的就是一個矩形。
nice
bad 即使長得很帥也不行哦
??scale=1
??計算和繪圖之間的縮放，默認為1。也就是說如果你想要更大的詞云圖，使用這個進行調試比使用更大的圖像作為mask更好，這樣圖形變大，字體會更清晰。不過可能會造成粗糙的詞匯匹配。
??color_func=None
??生成顏色的函數，默認為None，使用自帶的顏色生成函數。比如可以使用color_func=lambda *args, **kwargs: "white"來使字體變成白色。這個參數用法比較多，有興趣的看官可以再深入研究。
??max_words=200
??使用詞匯的最大數量，默認為200。
??min_font_size=4
??最小的字體號，默認為4，沒有空間繪制這號字體時就停止。直白一點，不繪制比這還小的字。
??stopwords=None
??繪制時忽略的詞匯，默認為None即使用內置的停用詞匯表。如果直接使用generate_from_frequencies方法則會忽略這個參數。（stopwords只在process_text方法中被使用。）
??random_state=None
??用來生成隨機對象，默認為None。這個參數主要是為color_func等一些顏色設置方法服務的。
??background_color='black'
??詞云圖的背景顏色，默認為black。
??max_font_size=None
??最大的字體號，如果傳入None即默認為圖像的高度。
??font_step=1
??字體步長，默認為1。加大這個值會加快計算速度，但會造成粗糙的詞匯匹配。
??mode="RGB"
??顏色模型，默認為RGB。如果傳入RGBA并且設置background_color=None,那么生成的詞云圖背景將會變成透明。
??relative_scaling='auto'
??設置字體頻率對字體大小的影響。設置為0，那么只考慮詞匯順序；設置為1，那么頻率是兩倍，大小就是兩倍。默認為auto，即設置為0.5，次序和頻率兩者兼顧。但是如果repeat=True，那么就只會被設置為0。
??regexp=None
??正則匹配，只在process_text方法中被使用，默認為None則使用r"\w[\w']+"來進行正則匹配單詞。直接使用generate_from_frequencies則會忽略這個參數。
??collocations=True
??是否包含兩個單詞的搭配（bigrams），默認為True。同樣這個參數只在process_text中被使用。如果直接使用generate_from_frequencies則會忽略這個參數。
??colormap=None
??matplotlib顏色映射，為每個單詞隨機繪制顏色，默認為None即使用viridis。感興趣的看官可以到網上搜索更多的colormap種類來挑選自己最喜愛的那一款。另外如果指定了color_func參數值，則會忽略這個參數。
??normalize_plurals=True
??是否從單詞中刪除尾隨的“s”，默認為True。如果出現帶有或不帶有尾隨“s”的單詞，則將帶有尾隨“s”的刪除并將其計數添加到沒有尾隨“s”的單詞中——除非單詞是以'ss'結尾。當然了這個參數也是只在process_text中使用，如果直接使用generate_from_frequencies則會忽略這個參數。
??contour_width=0
??默認為0，如果采用了mask，并且傳遞參數大于0，那么就會繪制圖形輪廓，數值大小代表厚度。
??contour_color='black'
??繪制圖形輪廓使用的顏色，默認為black。
??repeat=False
??是否重復使用詞匯，直到達到最大的詞匯數量或者最小字體號沒有空間不能被繪制為止，默認為False。
常用API認識，之前沒介紹到的
??to_image(self)
??返回PIL.Image.Image對象。
??recolor(self, random_state=None, color_func=None, colormap=None)
??對圖形重新著色。重新上色會比重新生成整個詞云圖快很多。有三個可選的參數random_state=None, color_func=None, colormap=None，和我們之前介紹的含義一樣。它們默認值都是None,意味著會如果不傳遞參數便使用內部自己定義的初始值。
??to_file(self, filename)
??將生成的圖像保存到指定路徑，參數為文件路徑加上文件名。
??to_array(self)
??內部會調用to_image(self)，然后將得到的PIL.Image.Image對象轉化為numpy array。
動手制作自己的中文詞云圖
提前準備
- 中文測試文本??社會主義核心價值觀
- 中文字體??
SourceHanSerifK-Light.otf - 一張你喜歡的圖片
jiqimao.jpg
再安裝兩個庫
pip3 install jieba
??結巴是現在比較火的中文分詞庫，用法也比較簡單。
pip3 install scipy
??雖然matplotlib.pyplot也有圖像讀取的API，但是在讀取某些圖像的時候會使用浮點數進行存儲，此時wordcloud就會提示浮點數錯誤。所以我們在這里再安裝另外一個圖像讀取庫。
好，開始寫代碼
@python 3.6.7
# -*- coding: utf-8 -*-
from os import path
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from scipy.misc import imread
import jieba.analyse
CURRENT_PATH = path.dirname(path.abspath(__file__))
TEXT_FILE = path.join(CURRENT_PATH, 'Chinese.txt')
IMG_FILE = path.join(CURRENT_PATH, 'jiqimao.jpg')
FONT_PATH = path.join(CURRENT_PATH, 'SourceHanSerifK-Light.otf')
def get_frequencies():
# use jieba to get Chinese frequencies
# 'topK' is the max words need to return
# 'withWeight=True' means return frequencies
with open(TEXT_FILE, 'r') as f:
text = f.read()
words = jieba.analyse.extract_tags(text, topK=200, withWeight=True)
# words is list, change it to dict
return dict(words)
def make_wordcloud(words):
# get mask
my_mask = imread(IMG_FILE)
# set wordcloud
my_wordcloud = WordCloud(
font_path=FONT_PATH,
background_color='white',
mask=my_mask,
max_font_size=68,
min_font_size=8,
contour_width=2,
contour_color='steelblue'
)
# words must be dict
my_wordcloud.generate_from_frequencies(words)
return my_wordcloud
def show_it(wordcloud):
# show it
plt.imshow(wordcloud)
plt.axis('off')
plt.show()
def save_it(wordcloud, name):
# save in current path
filename = '{}.jpg'.format(name)
wordcloud.to_file(path.join(CURRENT_PATH, filename))
if __name__ == '__main__':
words = get_frequencies()
wordcloud = make_wordcloud(words)
show_it(wordcloud)
save_it(wordcloud, 'my_wordcloud')
??整個流程比較直白，我們先將所有的準備文件都放在當前目錄下。在get_frequencies函數中使用jieba進行分詞，jieba.analyse.extract_tags會從指定文本中提取關鍵詞，topK指定提取的詞匯數量，withWeight=True會返回詞匯的頻數。注意這里最終返回的words是列表，需要使用dict將其轉化為字典后才能傳遞給generate_from_frequencies使用。
??后面的步驟就比較常規了，make_wordcloud函數中使用imread讀取圖像，然后設置wordcloud參數，并繪制輪廓，最后調用generate_from_frequencies進行生成。
??接下來，show_it函數會展示成果，save_it函數則保存文件到指定位置。
效果展示
