Python库：wordcloud库介绍、政府工作报告词云、自定义背景词云

一、wordcloud库

在这里插入图片描述

二、使用wordcloud库

在这里插入图片描述

注：库名wordcloud全部是小写，而WordCloud对象W和C大写

在这里插入图片描述

简单说，绘制一个词云有三步：
第一、生成词云对象WordCloud，并配置相关参数
第二、使用WordCloud.generate(txt)方法加载文本
第三、输出词云

import wordcloud
w = wordcloud.WordCloud()
w.generate("Beautiful is better than ugly.\
Explicit is better than implicit.\
Simple is better than complex.\
Complex is better than complicated.")

w.to_file("C:\\Users\\520\\Desktop\\wc.png")

在这里插入图片描述

wordcloud库的运行原理：
在这里插入图片描述
因此，在生成词云的过程中，我们只需给程序一个空格分隔的大字符串，程序会自己以空格分隔单词、统计次数等操作。

三、英文词云

在这里插入图片描述

四、中文词云

由于中文之间没有空格，因此需要：
第一步：先对中文进行分词，组成空格分隔的字符串
第二步：再调用wordcloud库
在这里插入图片描述

import wordcloud
import jieba
txt = "优美胜于丑陋\
明了胜于晦涩\
简洁胜于复杂\
复杂胜于凌乱\
扁平胜于嵌套\
间隔胜于紧凑\
可读性很重要"
w = wordcloud.WordCloud(background_color="white",
                        font_path="C:\\Windows\\Fonts\\msyh.ttc",
                        width=1000, height=500)
w.generate(" ".join(jieba.lcut(txt)))
w.to_file("C:\\Users\\520\\Desktop\\wc2.png")

在这里插入图片描述

五、政府工作报告词云

在这里插入图片描述

设置词云显示的数量，以更加突出主题：
在这里插入图片描述

六、自定义背景词云

在这里插入图片描述

mask最好是背景为白色的图片，寻找合适的遮罩比较难，百度时要用关键字，比如：中国版图纯色
在这里插入图片描述

import wordcloud
import jieba
import imageio
txt = open("C:\\Users\\520\\Desktop\\一号文件.txt", "r", encoding="utf-8")
mk = imageio.imread("C:\\Users\\520\\Desktop\\chinamap.png")
stopwords = set(wordcloud.STOPWORDS)
stopwords.update("和", "的")
w = wordcloud.WordCloud(background_color="white",
                        font_path="C:\\Windows\\Fonts\\msyh.ttc",
                        width=1000, height=500,
                        stopwords=stopwords,
                        mask=mk)
w.generate(" ".join(jieba.lcut(txt.read())))
w.to_file("C:\\Users\\520\\Desktop\\map.png")

在这里插入图片描述

七、wordcloud的参数

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【frequencies，为字典类型】
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

几个会影响图像清晰问题的WordCloud的参数：
mask：遮罩图，字的大小布局和颜色都会依据遮罩图生成。其实理论上这对字大小和清晰程度的影响不大，但是遮罩图色和背景色background_color如果易混淆，则可能是一个导致看起来不清晰的因素；另外遮罩图自身各个颜色之间的对比不强烈，也可能使图看起来层次感不够。

比如，一些图明度比较高，再加上背景白色，有可能导致字色太浅（背景色background_color又是白色）于是看起来不够“清晰”。

background_color：背景色，默认黑。
这个本来其实也不怎么影响清晰度，但是，就像之前在mask中提到的，如果遮罩图像颜色过浅、背景设置白色，

mode：默认“RGB”。根据说明文档，如果想设置透明底色的云词图，那么可以设置background_color=None, mode="RGBA"但是！！！实际中我尝试设置透明背景色并没有成功过！当我选取的遮罩图是白色底时，如果background_color设为"white"或"black"时，生成的云词确实是对应的“白色”“黑色”；

max_font_size：最大字号。源文件中也有讲到，图的生成会依据最大字号等因素去自动判断词的布局。经测试，哪怕同一个图像，只要图本身尺寸不一样（比如我把一个300×300的图拉大到600×600再去当遮罩），那么同样的字号也是会有不同的效果。原理想想也很自然，字号决定了字的尺寸，而图的尺寸变了以后，最大字相对于图的尺寸比例自然就变了。所以，需要根据期望显示的效果，去调整最大字号参数值。

min_font_size：最小字号。不设置的情况下，默认是4。尝试了设置比4大的字号，例如8、10，结果就是原本小于设定值且大于4号的词都直接不显示了，其它内容和未设置该值时都一样。

relative_scaling：表示词频和云词图中字大小的关系参数，默认0.5。为0时，表示只考虑词排序，而不考虑词频数；为1时，表示两倍词频的词也会用两倍字号显示。

scale：根据说明文档，当云词图很大的，加大该值会比使用更大的图更快，但值越高也会越慢（计算更复杂）。默认值是1。实际测试中，更大的值，确实输出图像看起来更精细（较小较浅的词会颜色更重，也感觉清楚，大的词差异不明显）。不过，可能由于我选的图不大、词也没有很多，所以差距并没有很大，缩小排列一下就基本上辨别不出多少差别了。
在这里插入图片描述

https://blog.csdn.net/fly910905/article/details/77763086
https://yq.aliyun.com/articles/395614

PS: source, python123, csdn