已知词频生成词云图（数据库到生成词云）--generate_from_frequencies（WordCloud）

词云图是根据词出现的频率生成词云，词的字体大小表现了其频率大小。

 

写在前面：

用wc.generate(text)直接生成词频的方法使用很多，所以不再赘述。

但是对于根据generate_from_frequencies()给定词频如何画词云图的资料找了很久，下面只讲这种方法。

generate_from_frequencies适用于我已知词及其对应的词频是多少(已有数据库)，不需要分词的情况下。

官方文档说generate_from_frequencies函数的参数是array of tuple，但是我试了很久都不行，最后发现居然应该是dict 字典形式！

即形如：{ word1: fre1, word2: fre2,  word3: fre3,......,  wordn: fren }

 

注意：

词云wordcloud的中文显示，需要特殊处理，在网上看了不少是说加字体路径之类的方法我试了都不行，最后只好采用改变编码的形式才解决好。

fp = pd.read_csv(read_name, encoding='gbk')  # 读取词频csv文件, 编码为gbk

 

还有，示例词云的轮廓背景图由china_map.jpg给出，如下图：

 

一、数据文件准备

support_institution.csv

数据库字段分组查询数量

select support_institution name,count(support_institution) value from nsfc GROUP BY name ORDER BY value DESC;

查询结果部分截图：　　

 

导出为csv文件：support_institution.csv

 

二、导入模块包

可参考Windows下安装Python、matplotlib包 及相关
https://blog.csdn.net/mikasa3/article/details/78942650 

1、numpy

2、pandas

3、wordcloud

4、matplotlib

 

三、完整代码

import numpy as np
import pandas as pd
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
from PIL import Image


def draw_cloud(read_name):
    image = Image.open('china_map.jpg')  # 作为背景轮廓图
    graph = np.array(image)
    # 参数分别是指定字体、背景颜色、最大的词的大小、使用给定图作为背景形状
    wc = WordCloud(font_path='simkai.ttf', background_color='black', max_words=100, mask=graph)
    fp = pd.read_csv(read_name, encoding='gbk')  # 读取词频文件, 因为要显示中文，故编码为gbk
    name = list(fp.name)  # 词
    value = fp.val  # 词的频率
    for i in range(len(name)):
        name[i] = str(name[i])
    dic = dict(zip(name, value))  # 词频以字典形式存储
    wc.generate_from_frequencies(dic)  # 根据给定词频生成词云
    image_color = ImageColorGenerator(graph)
    plt.imshow(wc)
    plt.axis("off")  # 不显示坐标轴
    plt.show()
    wc.to_file('nsfc依托单位词云.png')  # 图片命名


if __name__ == '__main__':
    draw_cloud("support_institution.csv")

 

四、运行结果

 词云图：

 

五、补充：WordCloud的参数详解

    WordCloud(font_path='',
              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
              )

 

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。

 

 

PS：以下内容可以不看，当然，看我也拦不住 ○( ＾皿＾)っHiahiahia…

 

上面的中国地图显示的词云并不好看（可能因为词语过长），所以补充一个好看的作品(*^▽^*)

2019国务院政府工作报告词云。

文本地址：

http://www.gov.cn/guowuyuan/baogao.htm

全文代码：

 

# coding:utf-8
import jieba  # 分词
import matplotlib.pyplot as plt  # 数据可视化
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS  # 词云
import numpy as np  # 科学计算
from PIL import Image  # 处理图片


def draw_cloud(text, graph, save_name):
    textfile = open(text).read()  # 读取文本内容
    wordlist = jieba.cut(textfile, cut_all=False)  # 中文分词
    space_list = " ".join(wordlist)  # 连接词语
    backgroud = np.array(Image.open(graph))  # 背景轮廓图
    mywordcloud = WordCloud(background_color="white",  # 背景颜色
                            mask=backgroud,  # 写字用的背景图，从背景图取颜色
                            max_words=100,  # 最大词语数量
                            stopwords=STOPWORDS,  # 停用词
                            font_path="simkai.ttf",  # 字体
                            max_font_size=200,  # 最大字体尺寸
                            random_state=50,  # 随机角度
                            scale=2,
                            collocations=False,  # 避免重复单词
                            )
    mywordcloud = mywordcloud.generate(space_list)  # 生成词云
    ImageColorGenerator(backgroud)  # 生成词云的颜色
    plt.imsave(save_name, mywordcloud)  # 保存图片
    plt.imshow(mywordcloud)  # 显示词云
    plt.axis("off")  # 关闭保存
    plt.show()


if __name__ == '__main__':
    draw_cloud(text="government.txt", graph="china_map.jpg", save_name='2019政府工作报告词云.png')

 

 词云图：