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