python文本处理之可视化wordcloud

Posted 2020-10-08

 

• 什么是词云

词云又叫文字云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。

• 准备工作：

python开发环境、wordcloud、jieba、matplotlib、numpy 、PIL 等库文件安装好。

• pip 安装方法：

  1. pip install xxx
  2. 使用idea 直接安装

  wordcloud生成词云的原理简介 
  wordcloud生成词云的原理其实并不复杂，大体分成5步（具体可自行查看源码）：

  1.wordcloud制作词云时，首先要对对文本数据进行分词，使用process_text（）方法，这一步的主要任务是去除停用词 
  2.第二步是计算每个词在文本中出现的频率，生成一个哈希表。词频用于确定一个词的重要性 
  3.根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap 是该词云的算法所在，是词云的数据可视化方式的核心。生成词的颜色、位置、方向等 
  4.最后将词按对应的词频在词云布局图上生成图片，核心方法是generate_from_frequencies,不论是generate（）还是generate_from_text（）都最终用到generate_from_frequencies 
  完成词云上各词的着色,默认是随机着色 
  5.词语的各种增强功能大都可以通过wordcloud的构造函数实现，里面提供了22个参数，还可以自行扩展。

• demo：

# coding:utf-8
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS
import jieba
import numpy as np
from PIL import Image

# 读入背景图片
abel_mask = np.array(Image.open("/home/djh/PycharmProjects/source/test.jpg"))

# 读取要生成词云的文件
text_from_file_with_apath = open(‘/home/djh/PycharmProjects/source/a.txt‘).read()

# 通过jieba分词进行分词并通过空格分隔
wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=True)
wl_space_split = " ".join(wordlist_after_jieba)
# my_wordcloud = WordCloud().generate(wl_space_split) 默认构造函数
my_wordcloud = WordCloud(
	background_color=‘white‘,  # 设置背景颜色
	mask=abel_mask,  # 设置背景图片
	max_words=200,  # 设置最大现实的字数
	stopwords=STOPWORDS,  # 设置停用词
	font_path=‘/home/djh/win_font/simkai.ttf‘,  # 设置字体格式，如不设置显示不了中文
	max_font_size=50,  # 设置字体最大值
	random_state=30,  # 设置有多少种随机生成状态，即有多少种配色方案
	scale=.5
).generate(wl_space_split)

# 根据图片生成词云颜色
image_colors = ImageColorGenerator(abel_mask)
# my_wordcloud.recolor(color_func=image_colors)

# 以下代码显示图片
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()