Python数据可视化之Wordcloud:
先来看一下效果:基于jieba+wordcloud:
安装:
pip install wordcloud
ps: 可能会安装失败,因为缺少c++编译,办法的话,可以安装c++编译,或者去python包的社区进行下载安装
快速生成词云
#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2018/12/7 16:13 # @Author : yhl # @Software: PyCharm from scipy.misc import imread import matplotlib.pyplot as plt from wordcloud import WordCloud from collections import Counter from jieba.analyse import extract_tags text = open(r'D:\ai\com_info_3.0\com_doc\智能安防', encoding='utf-8', errors='ignore').read() # 使用 jieba 分词 text_jieba = extract_tags(text) # 使用 counter 做词频统计,选取出现频率前 100 的词汇 c = Counter(text_jieba) common_c = c.most_common(100) # ''' 读入数据类似下表 # { # '行者': 3949, # '的': 4819, # '在': 2475, # '罢': 510, # '叫': 858, # '无': 380, # '那里': 696, # } # ''' # # 配置词云参数 bg_pic = imread(r'D:\ai\全部试验\词云\Screen Shot 2016-03-23 at 20.40.06.png') print(bg_pic) wc = WordCloud( # 设置字体 font_path=r'D:\ai\全部试验\FZXBSJW.TTF', # 设置背景色 background_color='white', # 允许最大词汇 max_words=200, # 词云形状 mask=bg_pic, # 最大号字体 max_font_size=100, ) # 生成词云 wc.generate_from_frequencies(dict(common_c)) # 生成图片并显示 plt.figure() plt.imshow(wc) plt.axis('off') plt.show() # 保存图片 wc.to_file('anne.jpg')
word cloud 参数
1 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' 2 3 width : int (default=400) #输出的画布宽度,默认为400像素 4 5 height : int (default=200) #输出的画布高度,默认为200像素 6 7 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 ) 8 9 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。 10 11 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 12 13 min_font_size : int (default=4) #显示的最小的字体大小 14 15 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 16 17 max_words : number (default=200) #要显示的词的最大个数 18 19 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 20 21 background_color : color value (default=”black”) #背景颜色,如background_color='white',背景颜色为白色 22 23 max_font_size : int or None (default=None) #显示的最大的字体大小 24 25 mode : string (default=”RGB”) #当参数为“RGBA”并且background_color不为空时,背景为透明 26 27 relative_scaling : float (default=.5) #词频和字体大小的关联性 28 29 color_func : callable, default=None #生成新颜色的函数,如果为空,则使用 self.color_func 30 31 regexp : string or None (optional) #使用正则表达式分隔输入的文本 32 33 collocations : bool, default=True #是否包括两个词的搭配 34 35 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 36 37 random_state : int or None #为每个单词返回一个PIL颜色 38 39 40 fit_words(frequencies) #根据词频生成词云 41 generate(text) #根据文本生成词云 42 generate_from_frequencies(frequencies[, ...]) #根据词频生成词云 43 generate_from_text(text) #根据文本生成词云 44 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) ) 45 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 46 to_array() #转化为 numpy array 47 to_file(filename) #输出到文件