Python之WordCloud词云库

Myth丶恋晨 2022-02-27 15:08 640阅读 0赞

WordCloud（词云）是Python中一个非常优秀的第三方词云展示库，WordCloud以词语为基本单位，根据你给出的字符串，对词频进行统计，然后以不同的大小显示出来。说的直接点就是它可以更加直观和艺术的实现词频的可视化。

首先，逻辑上来说，生成一个漂亮的词云文件主要以如下3个过程来完成：

*  配置对象参数
 *  加载词云文本
 *  输出词云文件 （如果不加说明默认的图片大小为400 \* 200）

我们看下代码实例：

from pathlib import Path
    from wordcloud import WordCloud
    
    # 读取文本内容
    current_directory = Path.cwd()
    text = Path.open(current_directory/"Cinderella.txt").read()
    
    # 创建词云实例对象
    wordcloud = WordCloud()
    
    # 加载文本内容到词云对象中。
    wordcloud.generate(text)
    
    # 将图像以定义的图像文件名输出。
    wordcloud.to_file('Cinderella_WordCloud_pic.png')

这是一个最简单的词云生成的实例，几乎没多少代码。在我们的例子中，我们创建了词云实例对象`wordcloud`，然后用这个对象的`generate()`方法把提前设置好的文本内容加载进来并且生成出词云来。当词云生成完成后，最后我们用`to_file()`方法把图像文件输出了出来，当然还有类似很多输出方法，比如`to_html`、`to_image`等等，具体可以查阅API文档。

显示图像效果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0YW5kZXJz_size_16_color_FFFFFF_t_70]

词云的功能当然不仅仅是如此，如上只是一个最基本的展示，让我们做一些丰富的代码改动看看更强大的效果吧。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0YW5kZXJz_size_16_color_FFFFFF_t_70 1]

如下就是改动后的代码，一起来让我们拆分理解看下。因为，为了便于展示，在此示例中我用了matplotlib会图库来直观展示，所以代码的最后显示也是基于配合matplotlib绘图做的配置。

这里面主要改动的几点：

第13行代码处，我们增加了轮廓模型，就是要提现准备好一个轮廓样式图（如上图的右侧`灰姑娘`样式图），先读取图片，最后用numpy来转成numpy类型的数组。

第16行代码处，配置了一些基本的词云实例对象参数，更多参数可以查阅官方API。

第22行代码处，使用词云的ImageColorGenerator类方法来提取基于原图的图像颜色信息。

第27行代码处，使用词云的wordcloud.recolor()方法传入之前提取的图像信息，为了使生成的词云颜色配色按照原图的配色比例搭配 （官方文档提到，用此方法生成的词云颜色速度会相当快。如果不设置，默认词云会匹配其它颜色方案。）

from pathlib import Path
    from PIL import Image
    import matplotlib.pyplot as plt
    import numpy as np
    from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS
    
    # 读取文本内容
    current_directory = Path.cwd()
    text = Path.open(current_directory/"Cinderella.txt").read()
    
    ### 参数配置 ###
    # 增加词云轮廓模板
    cinderella_mask = np.array(Image.open(current_directory/"cinderella_template.png"))
    
    # 创建词云实例对象，并配置参数（stopwords禁用词参数，mask设置轮廓模板）
    wordcloud = WordCloud(background_color = 'white', mask = cinderella_mask, 
                          max_words = 500, width = 600, height = 300, stopwords = STOPWORDS)
    
    # 加载文本内容到词云对象中。
    wordcloud.generate(text)
    # 用ImageColorGenerator类方法基于图像模板生成颜色
    image_colors = ImageColorGenerator(cinderella_mask)
    
    plt.figure(figsize = (16, 8))
    # 添加左侧 词云图 子图图像区域。
    plt.subplot(121)
    # 以常规2D光栅的方式显示图像，其中interpolation参数代表以哪种模糊程度显示。
    plt.imshow(wordcloud.recolor(color_func = image_colors), interpolation = 'bilinear')
    
    # 关闭matplotlib图像的轴线和标签。
    plt.axis('off')
    
    # 添加右侧 原始对比图 子图图像区域。
    plt.subplot(122)
    plt.imshow(cinderella_mask, cmap=plt.cm.gray, interpolation="bilinear")
    plt.axis('off')
    
    # 将图像以定义的图像文件名输出。
    plt.savefig('Cinderella_WordCloud_pic.png')
    plt.show()

当然，WordCloud还可以更进一步修改，还可以增加以中文字体内容的词云效果，但是如果要使用中文字体，WordCloud还不足以能胜任，必须要搭配另一个库叫jieba，jieba是一个很优秀的中文分词库，搭配Jieba处理后的中文分词后，再用WordCloud词云可以很好的做出基于中文内容的词云效果。

更详细的用法和更新动态详见：[http://amueller.github.io/word\_cloud/index.html][http_amueller.github.io_word_cloud_index.html]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0YW5kZXJz_size_16_color_FFFFFF_t_70]: /images/20220227/46564d1191494e0691e2d2243d535c77.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0YW5kZXJz_size_16_color_FFFFFF_t_70 1]: /images/20220227/1d7be361128c427f9eaa004fb9c9b247.png
[http_amueller.github.io_word_cloud_index.html]: http://amueller.github.io/word_cloud/index.html