读书使人充实，讨论使人机智，笔记使人准确…。凡有所学，皆成性格。
———— （英国）培根
文章目录
- wordcloud库常规方法
- 第三方库
- 读取文件
- 自定义绘制指定形状的词云
wordcloud库常规方法
import wordcloud
c=wordcloud.WordCloud() #构建词云对象，配置对象参数
c.generate("wordcloud by python ") #加载词云文本
c.to_file("pywordcloud.png") #输出词云文件词云生成步骤
- 分隔：以空格分隔单词
- 统计：单词出现次数并过滤（1-2个字母会被滤掉）
- 字体：根据统计配置字号
- 布局：颜色环境尺寸
c=wordcloud.WordCloud(参数) 配置对象参数
参数（像素） | 描述 |
width（默认400px） | c=wordcloud.WordCloud(width=600) |
height（默认200px） | c=wordcloud.WordCloud(height=400) |
min_font_size（默认4号） | c=wordcloud.WordCloud(min_font_size=10) |
max_font_size（根据高度自动调节） | c=wordcloud.WordCloud(max_font_size=20) |
font_step（默认1，步长） | c=wordcloud.WordCloud(font_step=2) |
font_path（默认None，字体路径） | c=wordcloud.WordCloud(font_path=“msyh.ttc”) |
max_words（默认200，最大数量） | c=wordcloud.WordCloud(max_words=20) |
stop_words（指定去除单词的列表） | c=wordcloud.WordCloud(stop_words={“python”}) |
background_color（默认黑色，词云背景色） | c=wordcloud.WordCloud(background_color=“red”) |
Scale 默认值1。值越大，图像密度越大越清晰
mask参数自定义词云形状
#指定词云形状，默认是长方形，需要引用imread()函数
from scipy.misc import imread
mk=imread("pic.png")
c=wordcloud.WordCloud(mask=mk)第三方库
numpy 多维数组运算
matplotlib 绘图与数据可视化
pillow 图片处理
wordcloud 词云制作
imageio 图像输入输出
jieba 中文分词
snownlp 中文情感和自然语言处理
itchat 微信好友抓取
读取文件
政府工作报告词云
import wordcloud
# 从外部.txt文件中读取大段文本，存入变量txt中
f = open('政府工作报告.txt',encoding='utf-8')
txt = f.read()
# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
w = wordcloud.WordCloud(width=1000,
height=700,
background_color='white',
font_path='msyh.ttc')
# 将txt变量传入w的generate()方法，给词云输入文字
w.generate(txt)
# 将词云图片导出到当前文件夹
w.to_file('Test1.png')wordcloud中文分词(适合中文词云)
# 导入词云制作库wordcloud和中文分词库jieba
import jieba
import wordcloud
# 构建并配置词云对象w
w = wordcloud.WordCloud(width=1000,
height=700,
background_color='white',
font_path='msyh.ttc')
# 调用jieba的lcut()方法对原始文本进行中文分词，得到string
txt = '由于Python语言的简洁性、易读性以及可扩展性， \
在国外用Python做科学计算的研究机构日益增多， \
一些知名大学已经采用Python来教授程序设计课程。 \
例如卡耐基梅隆大学的编程基础、 \
麻省理工学院的计算机科学及编程导论就使用Python语言讲授。'
txtlist = jieba.lcut(txt)
string = " ".join(txtlist)
# 将string变量传入w的generate()方法，给词云输入文字
w.generate(string)
# w.generate(" ".join(jieba.lcut(txt))) #三段代码合一简写
# 将词云图片导出到当前文件夹
w.to_file('Teste2.png')自定义绘制指定形状的词云
import jieba
import wordcloud
from scipy.misc import imread
mask=imread("图片形状.png") #导入自定义形状图片赋给mask
# 从外部.txt文件中读取大段文本，存入变量txt中
f = open('政府工作报告.txt',encoding='utf-8')
txt = f.read() #阅读提取
f.close() #关闭
# 构建词云对象w，设置词云图片宽、高、字体、背景颜色等参数
w = wordcloud.WordCloud(width=1000,
height=700,
background_color='white',mask=mask,
font_path='msyh.ttc')
# 将txt变量传入w的generate()方法，给词云输入文字
w.generate(" ".join(jieba.lcut(txt)))
# 将词云图片导出到当前文件夹
w.to_file('Test1.png')勾勒词云轮廓
# 导入词云制作库wordcloud
import wordcloud
# 将外部文件包含的文本保存在string变量中
string = open('hamlet.txt').read()
# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
import imageio
mk = imageio.imread("ren.png")
# 构建词云对象w，注意增加参数contour_width和contour_color设置轮廓宽度和颜色
w = wordcloud.WordCloud(background_color="white",
mask=mk,
contour_width=1,
contour_color='steelblue'
)
# # 将string变量传入w的generate()方法，给词云输入文字
w.generate(string)
# 将词云图片导出到当前文件夹
w.to_file('p2.png')
按模板自身颜色绘制词云
# 导入绘图库matplotlib和词云制作库wordcloud
import matplotlib.pyplot as plt
from wordcloud import WordCloud,ImageColorGenerator
# 将外部文件包含的文本保存在text变量中
text = open('alice.txt').read()
# 导入imageio库中的imread函数，并用这个函数读取本地图片queen2.jfif，作为词云形状图片
import imageio
mk = imageio.imread("alice.png")
# 构建词云对象w
wc = WordCloud(background_color="white",
mask=mk,)
# 将text字符串变量传入w的generate()方法，给词云输入文字
wc.generate(text)
# 调用wordcloud库中的ImageColorGenerator()函数，提取模板图片各部分的颜色
image_colors = ImageColorGenerator(mk)
# 显示原生词云图、按模板图片颜色的词云图和模板图片，按左、中、右显示
fig, axes = plt.subplots(1, 3)
# 最左边的图片显示原生词云图
axes[0].imshow(wc)
# 中间的图片显示按模板图片颜色生成的词云图，采用双线性插值的方法显示颜色
axes[1].imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
# 右边的图片显示模板图片
axes[2].imshow(mk, cmap=plt.cm.gray)
for ax in axes:
ax.set_axis_off()
plt.show()
# 给词云对象按模板图片的颜色重新上色
wc_color = wc.recolor(color_func=image_colors)
# 将词云图片导出到当前文件夹
wc_color.to_file('out-alice.png')
