【编程课堂】词云 wordcloud

查看原文

其他

【编程课堂】词云 wordcloud

2017-03-17 最终助教 Crossin的编程教室

本周为大家带来炫酷好玩的 wordcloud 词云构造库。

使用 wordcloud 可以做出这样的图片：

还可以做出这样的：

接下来，我们来学习如何制作属于自己的词云图。

本来想说一句，安装过程不表，直接进入正题，可是在编程教室的QQ群和微信群中都有人遇到 wordcloud 安装失败的问题。

所以在此简单提一下安装过程：

当然最直接的是 pip

pip install wordcloud

但很多同学会发现直接 pip 是会报错的，所以这里提供第二种安装方式：

下载 whl 手动安装包：

静静等待页面加载完成，然后选择适合自己 Python 的 wordcloud 版本，最后运行以下命令。filepath 替换为你的安装文件完整路径。

pip install filepath\wordcloud-1.2.1-cp35-cp35m-win_amd64.whl

wordcloud 在安装过程中会自动安装其依赖的库。

基本的用法

我们读入一本英文小说，取其中的词汇生成一张词云图

# 导入 wordcloud 模块和 matplotlib 模块
from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 读入一个txt文件
text = open('Jane Eyre.txt','r').read()
# 生成词云
wordcloud = WordCloud().generate(text)
# 显示词云图片
plt.imshow(wordcloud)
plt.axis('off')
plt.show()
# 保存图片
wordcloud.to_file('test.jpg')

结果如图所示

运行脚本之后就可以看到生成的图片了，是不是很简单。本文主要讲 wordcloud。代码中涉及到的 matplotlib 就不做更详细解释。

除了直接读入文本生成词云，也可以使用字典格式的词频作为输入

# 读入一组词频字典文件
text_dict = {
    'you': 2993,
    'and': 6625,
    'in': 2767,
    'was': 2525,
    'the': 7845,
}
wordcloud = WordCloud().generate_from_frequencies(text_dict)

还可以将词云填充到指定的形状之中。为达到填充指定形状的效果，需要使用 png 格式的图片。

# 读入图片
from scipy.misc import imread
bg_pic = imread('Anne_Hathaway.png')
# 配置词云参数
wc = WordCloud(
    # 设置字体
    font_path = 'BeaverScratches.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(text)
# 保存图片
wc.to_file('word.jpg')

最后的效果如下

还可以结合 jieba分词，实现用中文填充的词云图（如果不通过分词，无法直接生成正确的中文词云）。使用中文填充时一定得指定中文的字体，否则会出现乱码。如果报错找不到字体，就复制一个中文字体文件放在代码目录下。

#-*- coding:utf-8 -*-
from scipy.misc import imread
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import jieba
from collections import Counter
# 读入 西游记 txt 文件，windows 下过滤编码错误
text = open('西游记.txt',encoding='utf-8',errors='ignore').read()
# 使用 jieba 分词
text_jieba = list(jieba.cut(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)
# 读入图片
bg_pic = imread('Anne_Hathaway.png')
# 配置词云参数
wc = WordCloud(
    # 设置字体
    font_path = '李旭科书法1.4.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')