用python生成词云

发表于 | 分类于 | 评论数：

“词云”这个概念由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登（Rich Gordon）于近日提出。戈登做过编辑、记者，曾担任迈阿密先驱报（Miami Herald）新媒体版的主任。他一直很关注网络内容发布的最新形式——即那些只有互联网可以采用而报纸、广播、电视等其它媒体都望尘莫及的传播方式。通常，这些最新的、最适合网络的传播方式，也是最好的传播方式。 因此，“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。

我们用python生成词云需要用到第三方库wordcloud，官方的安装说明是这样的。

wordcloud depends on numpy and pillow.To save the wordcloud into a file, matplotlib can also be installed. See examples below.If there are no wheels available for your version of python, installing the package requires having a C compiler set up. Before installing a compiler, report an issue describing the version of python and operating system being used.

也就是说….不管那么多…装好pip之后我们直接pip install wordcloud，注意一点是在windows(windows10 1709)上面需要Microsoft Visual C++ 14.0这个库，然而这个库在微软官网已经没有下载了，它应该是被集成到其他库里面了，所以最后想用pip安装就必须得安装整个Microsoft Visual C++，大约是6G…而linux(deepin15.9.3)环境上需要再装一个模块tkinter，这个在终端执行pip install python3-tk即可，至此可以放心的导入wordcloud了。

有四个模块需要了解wordcoud numpy PIL jieba，由于只是用到了它们其中的某一个方法，所以没有了解多深，大致的用法知道就好了。开始的开始，我们是…

1
2
3
4
5
6
7
8
from wordcloud import WordCloud
 
text = "富强 民主 文明 和谐 自由 平等 公正 法制 爱国 敬业 诚信 友善"
nu = WordCloud(background_color="white")

nu.generate(text)
nu.to_image()
nu.to_file("test.png")

从wordcloud导入WordCloud方法，注意大小写。为什么这样导入不如看下面的写法。

1
2
n = WordCloud(background_color="white")
m = wordcloud.Wordcloud(backgroud_color="white", font_path="/home/nullptr/Downloads/src/msyh.ttc")

代码能简则简吧。

我们首先设置了一个用空格隔开的字符串，然后设置一个WordCloud方法的对象nu（不知道这样是不是正确的…类与对象实在不熟…Python万物皆为对象应该没错！！！）
在方法里面设置了这个对象的属性backgroud_color为白色（其他属性待会列表），然后是字体font_path一定要注意，默认是不支持中文的，所以去找一个支持中文的字体加进来就好了。然后下面三行就是调用generate方法初始化，调用to_image转化成图像，最后保存到文件to_file方法。就完事了…效果如下:

1

然后完善一点，jieba模块就不搞了，要做出一个好看的词云在处理字符串这块需要花费很多心思，之前我打算做QQ群聊天各昵称的一个词云，把每一个人的名称都给截出来了，然后用空格隔开来（没用jieba)，但是最后生成的词云。还是很难看，我也没啥办法…

1
2
3
4
5
6
7
8
9
10
11
12
13
import numpy, jieba
from wordcloud import WordCloud
from PIL import Image
 
text = "富强 民主 文明 和谐 自由 平等 公正 法制 爱国 敬业 诚信 友善"

mk = numpy.array(Image.open("/home/nullptr/Downloads/src/ChinaMap.png"))
nu = WordCloud(background_color="white", font_path="/home/nullptr/Downloads/src/msyh.ttc",
               mask=mk, repeat=True, contour_width=1, contour_color="red", colormap="Reds",
               max_words=300).generate(text)

nu.to_image()
nu.to_file("/home/nullptr/Downloads/src/2.png")

2

参考: jieba模块用法，以及wordcloud各个参数介绍。

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
40
41
42
43
44
font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf'

width : int (default=400) //输出的画布宽度，默认为400像素

height : int (default=200) //输出的画布高度，默认为200像素

prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）

mask : nd-array or None (default=None) //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。

scale : float (default=1) //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。

min_font_size : int (default=4) //显示的最小的字体大小

font_step : int (default=1) //字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。

max_words : number (default=200) //要显示的词的最大个数

stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS

background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。

max_font_size : int or None (default=None) //显示的最大的字体大小

mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。

relative_scaling : float (default=.5) //词频和字体大小的关联性

color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func

regexp : string or None (optional) //使用正则表达式分隔输入的文本

collocations : bool, default=True //是否包括两个词的搭配

colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。

fit_words(frequencies)  //根据词频生成词云
generate(text)  //根据文本生成词云
generate_from_frequencies(frequencies[, ...])   //根据词频生成词云
generate_from_text(text)    //根据文本生成词云
process_text(text)  //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap])   //对现有输出重新着色。重新上色会比重新生成整个词云快很多。
to_array()  //转化为 numpy array
to_file(filename)   //输出到文件