词云（wordcloud）之密集恐惧症慎入
目录
1、安装
2、使用
3、操作流程
4、示例
5、mask参数
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 |
|---|---|
| 配置词云参数 | |
| 加载文本至词云 | |
| 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 wordcloudf=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 wordcloudf=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') =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
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！