如何详细学习并应用Python词云库wordcloud？

本文共计1021个文字，预计阅读时间需要5分钟。

wordcloud是优秀的词云展示第三方库。一、基本使用：导入jieba库，导入wordcloud模块，读取文本内容，使用jieba进行分词，合并分词结果。

wordcloud是优秀的词云展示第三方库

一、基本使用

import jieba import wordcloud txt = open("1.txt", "r", encoding='utf-8').read() words = jieba.lcut(txt) txt_1 = " ".join(words) # print(txt1) w = wordcloud.WordCloud(font_path="msyh.ttc", width=1000, height=700, background_color="white", ) w.generate(txt_1) w.to_file("ciyun.png")

二、按图片形状生成

import jieba from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator import numpy as np from PIL import Image txt = open("C:/Users/96356/Desktop/1.txt", "r", encoding='utf-8').read() words = jieba.lcut(txt) txt_1 = " ".join(words) photo = np.array(Image.open('C:/Users/96356/Desktop/2.png')) # from scipy.misc import imread # china=imread('C:/Users/96356/Desktop/2.png') #scipy.misc方式都可以读取图片 w = WordCloud(font_path="msyh.ttc", mask=photo, background_color="white", ) w.generate(txt_1) w.to_file("ciyun.png")

三、WordCloud参数详解

from wordcloud import WordCloud

参数 作用 font_path 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 输出的画布宽度，默认为400像素 height 输出的画布高度，默认为200像素 prefer_horizontal 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 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。一般为mask=np.array(Image.open(‘xxx.jpg'))。其中from PIL import Image scale 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 显示的最小的字体大小 font_step 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 要显示的词的最大个数 stopwords 设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS background_color 背景颜色，如background_color=‘white',背景颜色为白色 max_font_size 显示的最大的字体大小 mode 当参数为“RGBA”并且background_color不为空时，背景为透明 relative_scaling 词频和字体大小的关联性 color_func 生成新颜色的函数，如果为空，则使用 self.color_func regexp 使用正则表达式分隔输入的文本 collocations 是否包括两个词的搭配 colormap 给每个单词随机分配颜色，若指定color_func，则忽略该方法 random_state 为每个单词返回一个PIL颜色

其他部分函数

函数 作用 fit_words(frequencies) 根据词频生成词云 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

更多关于python词云库wordcloud的使用方法请查看下面的相关文章