深度有趣 | 03 高階又一般的詞雲
摘要：
詞雲是一種資料呈現方式
不會的時候，感覺很厲害、很高大上
會用了之後，感覺到哪都看到別人在用
掌握用 Python 實現詞雲的方法
準備
安裝包
pip install wordcloud matplotlib jieba PIL
複製程式碼
準...
詞雲是一種資料呈現方式
- 不會的時候，感覺很厲害、很高大上
- 會用了之後，感覺到哪都看到別人在用
掌握用 Python 實現詞雲的方法
準備
安裝包
pip install wordcloud matplotlib jieba PIL 複製程式碼
準備一些文字，英文或中文皆可
一個簡單的例子
WordCloud() 可選的引數
-
font_path：可用於指定字型路徑，包括otf和ttf -
width：詞雲的寬度，預設為400 -
height：詞雲的高度，預設為200 -
mask：蒙版，可用於定製詞雲的形狀 -
min_font_size：最小字號，預設為4 -
max_font_size：最大字號，預設為詞雲的高度 -
max_words：詞的最大數量，預設為200 -
stopwords：將被忽略的停用詞，如果不指定則使用預設的停用詞詞庫 -
background_color：背景顏色，預設為black -
mode：預設為RGB模式，如果為RGBA模式且background_color設為None，則背景將透明
# -*- coding: utf-8 -*-
from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 開啟文字
text = open('constitution.txt').read()
# 生成物件
wc = WordCloud().generate(text)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼
由於英文單詞之間有空格分隔，因此大多不需要額外的處理
中文詞雲
中文一般需要經過分詞處理，先看下不分詞的效果
以《西遊記》為例，可以看到結果中會出現各種雙字、三字和四字等，但很多並不是合理的詞語
# -*- coding: utf-8 -*-
from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 開啟文字
text = open('xyj.txt').read()
# 生成物件
wc = WordCloud(font_path='Hiragino.ttf', width=800, height=600, mode='RGBA', background_color=None).generate(text)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼
這次我們先用 jieba 進行中文分詞，可以看到生成的詞雲裡，基本上都是合理的詞語了
# -*- coding: utf-8 -*-
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
# 開啟文字
text = open('xyj.txt').read()
# 中文分詞
text = ' '.join(jieba.cut(text))
print(text[:100])
# 生成物件
wc = WordCloud(font_path='Hiragino.ttf', width=800, height=600, mode='RGBA', background_color=None).generate(text)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼
使用蒙版
這裡將 mask 翻譯為蒙版，是因為感覺它和Photoshop中蒙版的作用很類似
使用蒙版之後，可以根據提供的蒙版圖片，生成指定形狀的詞雲
# -*- coding: utf-8 -*-
from wordcloud import WordCloud
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba
# 開啟文字
text = open('xyj.txt').read()
# 中文分詞
text = ' '.join(jieba.cut(text))
print(text[:100])
# 生成物件
mask = np.array(Image.open("black_mask.png"))
wc = WordCloud(mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate(text)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼
顏色
詞雲的顏色可以從蒙版中抽取，使用 ImageColorGenerator() 即可
# -*- coding: utf-8 -*-
from wordcloud import WordCloud, ImageColorGenerator
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba
# 開啟文字
text = open('xyj.txt').read()
# 中文分詞
text = ' '.join(jieba.cut(text))
print(text[:100])
# 生成物件
mask = np.array(Image.open("color_mask.png"))
wc = WordCloud(mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate(text)
# 從圖片中生成顏色
image_colors = ImageColorGenerator(mask)
wc.recolor(color_func=image_colors)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼
當然也可以設定為純色，增加一個配色函式即可
# -*- coding: utf-8 -*-
from wordcloud import WordCloud
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import random
import jieba
# 開啟文字
text = open('xyj.txt').read()
# 中文分詞
text = ' '.join(jieba.cut(text))
print(text[:100])
# 顏色函式
def random_color(word, font_size, position, orientation, font_path, random_state):
s = 'hsl(0, %d%%, %d%%)' % (random.randint(60, 80), random.randint(60, 80))
print(s)
return s
# 生成物件
mask = np.array(Image.open("color_mask.png"))
wc = WordCloud(color_func=random_color, mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate(text)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼
關於HSL配色方案可以參考
CSS3%2FColor%2FHSL" rel="nofollow,noindex">www.w3.org/wiki/CSS3/C…
精細控制
如果希望精細地控制詞雲中出現的詞，以及每個詞的大小，可以嘗試 generate_from_frequencies() ，包括兩個引數
-
frequencies：一個字典，用於指定詞和對應的大小 -
max_font_size：最大字號，預設為None
generate() = process_text() + generate_from_frequencies()
以下用jieba提取出關鍵詞和權重，再以此繪製詞雲
# -*- coding: utf-8 -*-
from wordcloud import WordCloud, ImageColorGenerator
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba.analyse
# 開啟文字
text = open('xyj.txt').read()
# 提取關鍵詞和權重
freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True)
print(freq[:20])
freq = {i[0]: i[1] for i in freq}
# 生成物件
mask = np.array(Image.open("color_mask.png"))
wc = WordCloud(mask=mask, font_path='Hiragino.ttf', mode='RGBA', background_color=None).generate_from_frequencies(freq)
# 從圖片中生成顏色
image_colors = ImageColorGenerator(mask)
wc.recolor(color_func=image_colors)
# 顯示詞雲
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()
# 儲存到檔案
wc.to_file('wordcloud.png')
複製程式碼