整体简介：

词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。

我觉得大家应该都看过这种样式的图片：

python中wordcloud python中wordcloud库_python库之WordCloud

就是一大堆关键词形成一张图片，有的是矩形有的是一些特殊形状。而WordCloud的作用，就是制作这种图片。这个模块的使用也是非常方便的，我们需要准备一个文本、一张图片（PNG的）、然后填写一堆参数就好了。

word cloud库的安装：

pip install wordcloud

word cloud库需要好多的依赖包如果没有回报错缺少依赖包自己安装一下就好了（比如：matplotlib）

接下来，介绍下wordcloud的基本使用。wordcloud把词云当作一个对象，它可以将文本中词语出现的频率作为一个参数绘制词云，而词云的大小、颜色、形状等都是可以设定的。

python中wordcloud python中wordcloud库_词云_02

在wordcloud作为对象时，大家要注意字母的大小写。

总的来说，生成一个漂亮的词云文件三步就可以完成。即：

1、配置对象参数 

2、加载词云文本 

3、输出词云文件 （如果不加说明默认的图片大小为400 * 200）

wordcloud的常规方法如下：

python中wordcloud python中wordcloud库_ci_03


 

wordcloud做词频统计分为以下几个步骤：

1 、分隔：以空格分隔单词

  2、统计 ：单词出现的次数并过滤 

3、字体：根据统计搭配相应的字号 

4 、布局

常用的参数列表如下：

python中wordcloud python中wordcloud库_ci_04

 

效果是不是看起来还不错，下面介绍wordcloud.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
 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


 

 

有兴趣的同学可以尝试着自己敲下代码，代码也不算是多：

 

import wordcloud

# 打开文件读取数据 

f = open('l.txt', 'r', encoding='UTF-8').read()
wordcloud对中文默认支持不好因此手动指定字体，font_path='msyh.ttf'
w = wordcloud.WordCloud(font_path='msyh.ttf')
w.generate(f)
w.to_file('df.png')

encoding='UTF-8'如果不加的话，在Windows系统下可能会报错（Windows是‘gbk’编码的）

Traceback (most recent call last):
   File "C:/Users/Administrator/PycharmProjects/WeChatcop/wc.py", line 4, in <module>
     f = open('l.txt', 'r').read()
 UnicodeDecodeError: 'gbk' codec can't decode byte 0xad in position 15: illegal multibyte sequence

结果：

python中wordcloud python中wordcloud库_词云_05