Python

wordcloud词云

WordCloud中英文词云绘制

摘要：当我们手上有一篇文档，比如小说、书籍、电影剧本，若想快速了解其主要内容，你这个时候就可以用到WordCloud词云图，显示主要的关键词(配合jieba.analyse更佳)。本博客将介绍常见的词云图绘制，以及Frequency频词云图。

首先，我们得准备好我们的文本文件

这里我就用我服务器上的链接文本,然后爬下来，当做测试文本。

截图

  • 以下代码实现获取文本
    1
    2
    import requests
    content = requests.get('http://39.108.219.55:8080/bkcontent?url=https://www.qu.la/book/746/10632452.html').text

获取文本后就是对着文本进行分析，这里我介绍是jieba模块的一个函数，jieba.analyse.extract_tags(),其中第一个参数是传进去的文本，topK是获取词频的最大词数，allowPOS是获取词频的词语类型，详情可查看这片博客,withWeight是 是否展示权重，返回的是频词和权重的元组列表。

img

img

利用的是generate_from_text()方法生成词云，传入的参数是以空格为间隔,所以基本代码实现如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import jieba.analyse
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import requests


content = requests.get('http://39.108.219.55:8080/bkcontent?url=https://www.qu.la/book/746/10632452.html').text
tags = jieba.analyse.extract_tags(
    content, topK=100, allowPOS=(
        'ns', 'n', 'vn', 'v', 'nr'))
contents = ' '.join(tags)
print(contents)
wc = WordCloud(
    background_color='white',
    font_path=r'C:\Windows\font\kaiu.ttf',
    width=800,
    height=400,
    margin=2,
    max_words=100,
    min_font_size=15,
    random_state=100,
    mode='RGB',
    repeat=False
)
wc.generate_from_text(contents)
plt.imshow(wc)
plt.axis('off')
plt.show()

img

通过上面的词云图，你可能会有几个问题：

  • 可不可以换背景
  • 词云图能不能换成其他的形状
  • 有些词汇能不能去掉

以上这些都是可以更改的，所以，接下来，我就先了解一下WordCloud的API参数及其它 一些方法

参数 含义
font_path 字体的路径，英文不需要设置，中文需要
width 宽度，默认400
height 高度，默认200
margin 边缘，如2
ranks_only …
mask 背景图形，如果想根据图片绘制，则需要设置
scale 缩放
max_words 最多显示词汇
min_font_size 最小字号
stopwords 停止词的设置
random_state 可以理解为词汇的杂乱度
background_color 背景颜色，可以16进制
colormap matplotlib 色图，可更改名称进而更改整体风格
repeat 默认False

关于更详细的用法，您可以去官网了解

图片背景的词云实现(白底)

  • 图片展示

  • 代码实现

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    import jieba.analyse
    import matplotlib.pyplot as plt
    from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator
    import requests
    import numpy as np
    from PIL import Image


    content = requests.get('http://39.108.219.55:8080/bkcontent?url=https://www.qu.la/book/746/10632452.html').text
    tags = jieba.analyse.extract_tags(
        content, topK=40, allowPOS=(
            'ns', 'n', 'vn', 'v', 'nr'))
    contents = ' '.join(tags)
    #读取图片
    background_image = np.array(Image.open('5.JPG'))
    #提取背景图片的颜色
    img_color = ImageColorGenerator(background_image)
    #设置停止词
    stopword = set(STOPWORDS)
    wc = WordCloud(
        mask=background_image,
        font_path=r'C:\Windows\font\kaiu.ttf',
        background_color='white',
        width=800,
        height=400,
        margin=2,
        max_words=100,
        min_font_size=15,
        random_state=100,
        repeat=False
    )
    wc.generate_from_text(contents) # 等价于wc.gernerate(contents)
    # #根据图片色设置背景色
    # wc.recolor(color_func=img_color)
    wc.to_file('yoona.jpg')
    #显示图片
    plt.imshow(wc)
    plt.axis('off')
    plt.show()

  • 截图 ,emm基本实现，可能是图片的质量不行




    Just have fun...