Matplotlib学习---用wordcloud画词云（Word Cloud）

画词云首先需要安装wordcloud（生成词云）和jieba（中文分词）。

 

先来说说wordcloud的安装吧，真是一波三折。首先用pip install wordcloud出现错误，说需要安装Visual C++ 14.0。折腾半天安装好Visual C++后，还是不行，按网上指点，下载第三方包安装（https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud）。安装是成功了，可是在anaconda里导入的时候又出现了问题，说是"no module named wordcloud"。随后又折腾了各种方案，比如网上有人说重新安装pillow包，等等，均不可行。突发奇想，打开Pycharm试了试，导入成功了。这说明wordcloud包其实已经安装好了，只是anaconda不识别。最后，终于找到解决方案：在anaconda prompt里输入命令：conda install -c conda-forge wordcloud，即可安装成功（https://anaconda.org/conda-forge/wordcloud）。

 

再来看一下wordcloud的基本原理（摘自：http://www.bubuko.com/infodetail-2695943.html）：

 

总的来说，wordcloud做的是三件事：

(1) 文本预处理

(2) 词频统计

(3) 将高频词以图片形式进行彩色渲染

 

下面用vanity fair这本小说来试一下画词云图。（wordcloud的一些参数介绍可参见：https://www.cnblogs.com/delav/articles/7837975.html）

from wordcloud import WordCloud, STOPWORDS
from matplotlib import pyplot as plt
fig,ax=plt.subplots()

with open(r'...\vanity fair.txt') as f:
    text=f.read()

mycloudword=WordCloud(width=800, 
                      height=600, 
                      scale=1, 
                      margin=2,
                      background_color='white',
                      max_words=200, 
                      min_font_size=40, 
                      max_font_size=140,
                      stopwords=STOPWORDS, 
                      random_state=50).generate(text)

ax.imshow(mycloudword)
ax.axis("off")
plt.show()

mycloudword.to_file(r"...\vanityfair.png")

 

输出：

 注：设置不同的random_state值会让字的分布不一样。

 

上面演示的是用英文做的词云，那么如果我们要用中文生成词云呢？这时候就要用到jieba了。

 

英文语料可以直接输入到wordcloud中，但是对于中文语料，仅仅用wordcloud不能直接生成中文词云图。这是因为英文单词以空格分隔，而中文的词与词之间一般没有字符分隔。因此，应用到中文语料上的时候，注意要先分好词，再用空格分隔连接成字符串，最后输入到wordcloud。

 

另外需要注意的是：需要下载中文字体到相应的文件夹，设置该字体路径为font_path。否则，如果设置的是英文字体，那么中文将显示为方框。

 

让我们用翻译版的名利场小说来做演示：

from wordcloud import WordCloud, STOPWORDS
import jieba
from matplotlib import pyplot as plt
fig,ax=plt.subplots()

with open(r'...\名利场.txt','rb') as f:
    text=f.read()

wsplit=jieba.cut(text)
words="".join(wsplit)

mycloudword=WordCloud(font_path=r'C:\Windows\Fonts\msyh.ttf',
                      width=800, 
                      height=600, 
                      scale=1, 
                      margin=2,
                      background_color='white',
                      max_words=200, 
                      min_font_size=40, 
                      max_font_size=140,
                      stopwords=STOPWORDS, 
                      random_state=50).generate(words)

ax.imshow(mycloudword)
ax.axis("off")
plt.show()

mycloudword.to_file(r"...\vanityfair1.png")

 

输出：

 

接下来，我们把词云做成我们想要的形状。用pillow读取某张图片，转换成numpy array格式，并将其设置为mask（遮罩）。除图片全白的部分将不会被绘制，其余部分会用于绘制词云。

from wordcloud import WordCloud, STOPWORDS
import jieba
from PIL import Image
import numpy as np
from matplotlib import pyplot as plt
fig,ax=plt.subplots()

with open(r'...\名利场.txt','rb') as f:
    text=f.read()

wsplit=jieba.cut(text)
words="".join(wsplit)

shape=np.array(Image.open(r'C:\Users\ccav\timg.jpg'))

mycloudword=WordCloud(font_path=r'C:\Windows\Fonts\msyh.ttf',
                      scale=1, 
                      margin=2,
                      background_color='white',
                      mask=shape,
                      max_words=200, 
                      min_font_size=14, 
                      max_font_size=50,
                      stopwords=STOPWORDS, 
                      random_state=50).generate(words)

ax.imshow(mycloudword)
ax.axis("off")
plt.show()

mycloudword.to_file(r"...\vanityfair2.png")

 

原图：

 

输出的词云：

 

此外，还可以让词按某个图片的颜色进行显示。用recolor([random_state, color_func, colormap])对现有输出重新着色。（重新上色比重新生成整个词云要快很多）

添加以下这几句即可：

from wordcloud import ImageColorGenerator
color=ImageColorGenerator(np.array(Image.open(r'...\timg2.jpg')))
mycloudword.recolor(color_func=color)

 

原图：

 

输出：