?
?簡(jiǎn)單示例
from
matplotlib
import
pyplot as plt
from
wordcloud
import
WordCloud
filename
=
"
text.txt
" #文本路徑
with open(filename,encoding
=
"
utf-8
"
) as f:
data
=
f.read()
font
= r
'
C:\Windows\Fonts\FZSTK.TTF
'
wc
= WordCloud(font_path=font,
#
如果是中文必須要添加字體
background_color=
'
white
'
,
width
=1000
,
height
=800
,
).generate(data)
wc.to_file(
'
ss.png
'
)
#
保存圖片
plt.imshow(wc)
#
用plt顯示圖片
plt.axis(
'
off
'
)
#
不顯示坐標(biāo)軸
plt.show()
#
顯示圖片
#
wc.to_file('img.jpg') #保存圖片
?
?
?
wordcloud.WordCloud類
class
wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None,background_color=
'
black
'
, max_font_size=None, font_step=1, mode=
'
RGB
'
, relative_scaling=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)
參數(shù)
：
font_path : string //字體路徑，需要展現(xiàn)什么字體就把該字體路徑+后綴名寫上，如：font_path =
'
黑體.ttf
'
width : int (default
=400) //
輸出的畫布寬度，默認(rèn)為400像素
height : int (default
=200) //
輸出的畫布高度，默認(rèn)為200像素
prefer_horizontal : float (default
=0.90) //詞語(yǔ)水平方向排版出現(xiàn)的頻率，默認(rèn) 0.9 （所以詞語(yǔ)垂直方向排版出現(xiàn)頻率為 0.1
）
mask : nd
-array
or
None (default=None) //如果參數(shù)為空，則使用二維遮罩繪制詞云。如果 mask 非空，設(shè)置的寬高值將被忽略，遮罩形狀被 mask 取代。除全白（
#
FFFFFF）的部分將不會(huì)繪制，其余部分會(huì)用于繪制詞云。如：bg_pic = imread('讀取一張圖片.png')，背景圖片的畫布一定要設(shè)置為白色（#FFFFFF），然后顯示的形狀為不是白色的其他顏色。可以用ps工具將自己要顯示的形狀復(fù)制到一個(gè)純白色的畫布上再保存，就ok了。
scale : float (default
=1) //按照比例進(jìn)行放大畫布，如設(shè)置為1.5
，則長(zhǎng)和寬都是原來(lái)畫布的1.5倍。
min_font_size : int (default
=4) //
顯示的最小的字體大小
font_step : int (default
=1) //
字體步長(zhǎng)，如果步長(zhǎng)大于1，會(huì)加快運(yùn)算但是可能導(dǎo)致結(jié)果出現(xiàn)較大的誤差。
max_words : number (default
=200) //
要顯示的詞的最大個(gè)數(shù)
stopwords : set of strings
or
None //
設(shè)置需要屏蔽的詞，如果為空，則使用內(nèi)置的STOPWORDS
background_color : color value (default
=”black”) //背景顏色，如background_color=
'
white
'
,背景顏色為白色。
max_font_size : int
or
None (default=None) //
顯示的最大的字體大小
mode : string (default
=”RGB”) //
當(dāng)參數(shù)為“RGBA”并且background_color不為空時(shí)，背景為透明。
relative_scaling : float (default
=.5) //
詞頻和字體大小的關(guān)聯(lián)性
color_func : callable, default
=None //
生成新顏色的函數(shù)，如果為空，則使用 self.color_func
regexp : string
or
None (optional) //
使用正則表達(dá)式分隔輸入的文本
collocations : bool, default
=True //
是否包括兩個(gè)詞的搭配
colormap : string
or
matplotlib colormap, default=”viridis” //
給每個(gè)單詞隨機(jī)分配顏色，若指定color_func，則忽略該方法。
函數(shù)
：
fit_words(frequencies)
//
根據(jù)詞頻生成詞云
generate(text)
//
根據(jù)文本生成詞云
generate_from_frequencies(frequencies[, ...])
//
根據(jù)詞頻生成詞云
generate_from_text(text)
//
根據(jù)文本生成詞云
process_text(text)
//
將長(zhǎng)文本分詞并去除屏蔽詞（此處指英語(yǔ)，中文分詞還是需要自己用別的庫(kù)先行實(shí)現(xiàn)，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap])
//
對(duì)現(xiàn)有輸出重新著色。重新上色會(huì)比重新生成整個(gè)詞云快很多。
to_array()
//
轉(zhuǎn)化為 numpy array
to_file(filename)
//輸出到文件
?
?
?
在不同形狀黑白圖像上顯示
?
?
import
jieba
from
matplotlib
import
pyplot as plt
from
wordcloud
import
WordCloud
from
PIL
import
Image
import
numpy as np
font
= r
'
C:\Windows\Fonts\FZSTK.TTF
'
#
字體路徑
text
= (open(r
'
text.txt
'
,
'
r
'
, encoding=
'
utf-8
'
)).read()
cut
= jieba.cut(text)
#
分詞
string =
'
'
.join(cut)
#
將詞語(yǔ)連接起來(lái)，以空格為連接詞
img = Image.open(r
'
background.jpg
'
)
#
打開背景圖片
img_array = np.array(img)
#
將圖片裝換為數(shù)組
stopword = [
'
xa0
'
]
#
設(shè)置停止詞，也就是你不想顯示的詞
wc =
WordCloud(
background_color
=
'
white
'
,
width
=1000
,
height
=800
,
mask
=
img_array,
font_path
=
font,
)
wc.generate_from_text(string)
#
繪制圖片
plt.imshow(wc)
plt.axis(
'
off
'
)
plt.show()
#
顯示圖片
wc.to_file(r
'
new.png
'
)
#
保存圖片
?
?
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
