WordCloud是一種很好的展現(xiàn)數(shù)據(jù)的方式，網(wǎng)上也有不少小工具和在線網(wǎng)頁。

但是有些不支持中文，有些安裝復雜，所以決定用Python實現(xiàn)。

主要參考官網(wǎng)，通過官網(wǎng)的例子，講一下WordCloud的制作。

主要流程

• 獲取內(nèi)容的路徑
• 如果是一段文字，系統(tǒng)自動算頻次
• 你也可以直接導入統(tǒng)計好的頻次
• 設置字體
• 一般字體路徑在C:\Windows\Fonts，你可以選自己喜歡的中文或者英文字體
• 切割中文字符
• 英文字符就不用切割了
• 輸入WordCloud的參數(shù)
• 背景色
• 字號
• 生成的形狀
• 顏色
• 字體大小
• 字體旋轉(zhuǎn)等等
• 生成WordCloud
• 用matplotlib顯示圖片

效果圖

安裝庫

老規(guī)矩，首先，你要安裝庫。

最基本的兩個：

pip install wordcloud #這是WordCloud的庫 
 
pip install matplotlib #顯示圖像 

一個單詞構(gòu)造WordCloud

在這個代碼中，我們需要安裝一個numpy庫

(大部分小伙伴應該都裝過，就不用再裝了)

pip install numpy 

這里用這個庫，主要是想用數(shù)學坐標生成一個簡單的背景圖案，比如圓形、方形

基本步驟

• 輸入單詞
• 用numpy 生成一個形狀，下面生成了一個圓形mask
• 輸入WordCloud的參數(shù)(包括背景色、是否重復、圖案形狀)
• 用matplotlib顯示圖片

import numpy as np 
import matplotlib.pyplot as plt 
from wordcloud import WordCloud 
text = "square" #輸入你要的單詞 
x, y = np.ogrid[:300, :300] #快速產(chǎn)生一對數(shù)組 
# 產(chǎn)生一個以(150,150)為圓心,半徑為130的圓形mask 
mask = (x - 150) ** 2 + (y - 150) ** 2 > 130 ** 2 #此時mask是bool型 
mask = 255 * mask.astype(int) #變量類型轉(zhuǎn)換為int型 
wc = WordCloud( 
 background_color="white", #背景顏色為“白色” 
 repeat=True, #單詞可以重復 
 mask=mask #指定形狀，就是剛剛生成的圓形 
 ) 
wc.generate(text) #從文本生成wordcloud 
plt.axis("off") #把作圖的坐標軸關掉 
plt.imshow(wc, interpolation="bilinear") 
plt.show() 

生成WordCloud

最簡單的生成方式，文本內(nèi)容都是英文，直接用系統(tǒng)默認的形狀(一個長方形)

我這邊是導入了一個商務英語的txt，所以可以看到，出現(xiàn)次數(shù)最多的單詞是company，然后是business、new、work等單詞，我還看到了money，哈哈~

基本步驟

• 獲取內(nèi)容txt的路徑
• 輸入WordCloud的參數(shù)(包括背景色、字號等)
• 生成WordCloud
• 用matplotlib顯示圖片

*WordCloud有很多參數(shù)，如果你不寫，都是默認的。比如背景色默認黑色。

import os 
from os import path 
from wordcloud import WordCloud 
from matplotlib import pyplot as plt 
# 獲取當前文件路徑 
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() 
# 獲取文本txt的路徑（txt和代碼在一個路徑下面） 
text = open(path.join(d,'BusinessEnglish.txt')).read() 
# 生成詞云 
wc = WordCloud( 
 scale=2, 
 max_font_size=100, #最大字號 
 background_color='white' #設置背景顏色 
 ) 
wc.generate(text) # 從文本生成wordcloud 
# wc.generate_from_text(text) #用這種表達方式也可以  
# 顯示圖像 
plt.imshow(wc,interpolation='bilinear') 
plt.axis('off') 
plt.tight_layout() 
wc.to_file('標簽云效果圖.png') # 儲存圖像 
#plt.savefig('標簽云效果圖.png',dpi=200) #用這個可以指定像素 
plt.show() 

設置WordCloud形狀

都是長方形、圓形、正方形這種，好像不夠炫酷

為了炫酷，我們可以給它設置不同的形狀，比如云朵、愛心等等

下面我們用Alice的小裙子做個實例

這個圖片長這樣

我們生成的圖片是這樣的，可以看到，完整保留了上圖的輪廓

基本步驟

和之前基本都是一致的，就是多了一步，導入指定圖片，獲取圖片輪廓

• 獲取內(nèi)容txt的路徑
• 輸入WordCloud的參數(shù)(包括背景色、字號等)，指定了生成的形狀
• 生成WordCloud
• 用matplotlib顯示圖片

*代碼中增加了一個stopwords，有些你覺得沒意義的單詞，不想顯示在圖片上，你就可以放在這里

from os import path 
from PIL import Image 
import numpy as np 
import matplotlib.pyplot as plt 
import os 
from wordcloud import WordCloud, STOPWORDS 
# 獲取當前文件路徑 
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() 
# 獲取文本txt的路徑（txt和代碼在一個路徑下面） 
text = open(path.join(d, 'BusinessEnglish.txt')).read() 
# 讀取mask的圖像（圖像和代碼在一個路徑下面） 
alice_mask = np.array(Image.open(path.join(d, "alice_mask.png"))) 
# 設置不顯示單詞，比如said、in、on、is這種單詞 
stopwords = set(STOPWORDS) 
stopwords.add("said") 
# 設置詞云參數(shù) 
wc = WordCloud(background_color="white",  
 max_words=2000,  
 mask=alice_mask, 
 stopwords=stopwords,  
 contour_width=3, #設置輪廓寬度 
 contour_color='steelblue') #設置輪廓顏色 
# 從文本生成wordcloud 
wc.generate(text) 
# 保存到文件 
wc.to_file(path.join(d, "alice.png")) 
# 顯示圖片 
plt.imshow(wc, interpolation='bilinear') 
plt.axis("off") 
plt.figure() #新建一個圖片，把mask也顯示出來 
plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear') 
plt.axis("off") 
plt.show() 

根據(jù)圖片調(diào)整顏色

原圖是這樣的

如果我們直接根據(jù)上一步，獲取圖片輪廓，可以得到下圖

我們進一步，根據(jù)原圖，調(diào)整顏色

其實就是獲取了圖片顏色，也是一行代碼

image_colors = ImageColorGenerator(alice_coloring) 

完整代碼

from os import path  
from PIL import Image  
import numpy as np  
import matplotlib.pyplot as plt  
import os  
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator 
 
# 獲取當前文件路徑 
 
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd()  
# 獲取文本txt的路徑(txt和代碼在一個路徑下面)  
text = open(path.join(d, 'BusinessEnglish.txt')).read() 
 
# 讀取我要的圖片文件  
alice_coloring = np.array(Image.open(path.join(d, "alice_color.png"))) 
 
# 設置不顯示的單詞 
 
stopwords = set(STOPWORDS)  
stopwords.add("said") 
 
# 設置詞云參數(shù) 
 
wc = WordCloud(background_color="white",  
max_words=2000, 
 
mask=alice_coloring,  
stopwords=stopwords,  
max_font_size=40,  
random_state=42)  
# 從文本生成wordcloud  
wc.generate(text) 
 
# 根據(jù)圖片，創(chuàng)建顏色 
 
image_colors = ImageColorGenerator(alice_coloring)  
# 把圖片分成3份 
 
fig, axes = plt.subplots(1, 3)  
axes[0].imshow(wc, interpolation="bilinear")  
# recolor wordcloud and show  
# we could also give color_func=image_colors directly in the constructor  
axes[1].imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")  
axes[2].imshow(alice_coloring, cmap=plt.cm.gray, interpolation="bilinear")  
for ax in axes:  
ax.set_axis_off() 

# 單獨顯示圖片  
# plt.figure()  
# plt.imshow(wc, interpolation="bilinear")  
# plt.axis("off")  
# plt.figure()  
# plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")  
# plt.axis("off")  
# plt.figure()  
# plt.imshow(alice_coloring, cmap=plt.cm.gray, interpolation="bilinear")  
# plt.axis("off")  
plt.show() 

用頻率繪制WordCloud

上面是直接把一個txt輸進去，系統(tǒng)自動給你算出現(xiàn)次數(shù)的

但是實際過程中，我們有時候，是知道單詞出現(xiàn)次數(shù)的，我們就想根據(jù)已知的次數(shù)顯示

這一步，其實就改了一行代碼，

原來是這樣的

wc.generate(text) # 這里的text是一段文字 

現(xiàn)在是這樣的

wc.generate_from_frequencies(text) 
 
# 這里的text是一個字典 
 
# 'ken': 1, 'was': 47, 'hot': 2, 'water': 2 

如果你已經(jīng)有一個字典，直接代進去就好了

這里給大家詳細看一下，如果假設我沒有這個字典

我還是一段文字，我想先生成這個字典，再代入進去

這里，你需要安裝一個庫multidict，創(chuàng)建一鍵多值字典

pip install multidict 

用multidict這個庫，我可以把文本變成一個字典

通過上圖就可以看到，這個字典有1105個組合，每一個單詞，都統(tǒng)計了出現(xiàn)次數(shù)

import multidict as multidict 
import numpy as np 
import os 
import re 
from PIL import Image 
from os import path 
from wordcloud import WordCloud 
import matplotlib.pyplot as plt 
def getFrequencyDictForText(sentence): 
 fullTermsDict = multidict.MultiDict() 
 tmpDict = {} 
 # making dict for counting frequencies 
 for text in sentence.split(" "): 
 if re.match("a|the|an|the|to|in|for|of|or|by|with|is|on|that|be", text): 
 continue 
 val = tmpDict.get(text, 0) 
 tmpDict[text.lower()] = val + 1 
 for key in tmpDict: 
 fullTermsDict.add(key, tmpDict[key]) 
 return fullTermsDict 
def makeImage(text): 
 alice_mask = np.array(Image.open("alice_mask.png")) 
 wc = WordCloud( 
 background_color="white", 
 max_words=1000,  
 mask=alice_mask 
 ) 
 # generate word cloud 
 wc.generate_from_frequencies(text) 
 # show 
 plt.imshow(wc, interpolation="bilinear") 
 plt.axis("off") 
 wc.to_file('frequency.png') # 儲存圖像 
 plt.show() 
# 獲取當前文件路徑 
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() 
# 獲取文本txt的路徑（txt和代碼在一個路徑下面） 
text = open(path.join(d, 'BusinessEnglish.txt'), encoding='utf-8') 
text = text.read() 
makeImage(getFrequencyDictForText(text)) 

生成中英文WordCloud

生成一個中英文混搭的WordCloud

如果你的txt全是中文，那就是全中文的

基本步驟

和之前基本也都一樣，就是中文字符，需要增加一個中文詞語切割

這就需要添加一個庫

pip install jieba # 中文切割 

1. 獲取內(nèi)容txt的路徑
2. 設置字體
3. 切割中文字符
4. 輸入WordCloud的參數(shù)(包括背景色、字號等)，指定了生成的形狀
5. 生成WordCloud
6. 用matplotlib顯示圖片

import os 
from os import path 
from wordcloud import WordCloud 
from matplotlib import pyplot as plt 
import jieba 
# 獲取當前文件路徑 
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() 
# 獲取文本txt 
text = open(path.join(d,'商務英語.txt'),encoding='utf-8').read() 
# 設置中文字體 
font_path = 'C:\Windows\Fonts\\simfang.ttf' # 字體路徑 
# 精確切割中文字符 
text = ' '.join(jieba.cut(text, cut_all = False)) 
# 生成詞云 
wc = WordCloud( 
 font_path = font_path, #字體路徑 
 scale=2, 
 max_words = 100, #最多詞個數(shù) 
 max_font_size=100, #最大字號 
 background_color='white' #背景色 
 ) 
wc.generate(text) 
# 顯示圖像 
plt.imshow(wc,interpolation='bilinear') 
plt.axis('off') 
plt.tight_layout() 
# 儲存圖像 
#wc.to_file('標簽云效果圖.png') 
#plt.savefig('標簽云效果圖.png',dpi=200) 
plt.show()