使用wordcloud统计标签数据

标签利器:wordcloud(词云),一起来学(zhuang)习(bi)吧!

安装

• 安装wordcloud包,pip install wordcloud,如果需要对文本的句子进行分解,比如说我是一名大学生进行分解之后就变成了我是\一名\大学生.可以安装jieba,同运行pip install jieba.

使用

• 安装完之后,我们来运行一个Demo

  #!/usr/bin/python
  #-*- coding: utf-8 -*-
  
  """
  Using custom colors
  ====================
  Using the recolor method and custom coloring functions.
  """
  import matplotlib.pyplot as plt
  import random
  import os
  from wordcloud import WordCloud, STOPWORDS
  
  #此段代码解决 1.matplotlib中文显示问题 2 '-'显示为方块问题
  from pylab import *
  mpl.rcParams['font.sans-serif'] = ['SimHei']
  mpl.rcParams['axes.unicode_minus'] = False
  
  font=os.path.join(os.path.dirname(__file__), "FZSTK.ttf")
  
  text = open(u"test.txt").read().decode('gbk')
  # adding movie script specific stopwords
  stopwords = set(STOPWORDS)
  stopwords.add("int")
  stopwords.add("ext")
  
  #wc = WordCloud(font_path=font,max_words=2000, mask=mask, stopwords=stopwords, margin=10,random_state=42,max_font_size=20,background_color='black',scale =2).generate(text)
  wc = WordCloud(font_path=font,max_words=30, max_font_size=50,stopwords=stopwords,margin=10,random_state=42,background_color='black',scale =1).generate(text)
  # store default colored image
  default_colors = wc.to_array()
  wc.to_file("a_new_hope.png")
  #设置为 wordcloud 默认
  plt.title('WordCloud Demo')
  plt.imshow(default_colors)
  plt.axis("off")
  plt.show()

• 运行结果
  

• wordcloud里面的基本参数.

  WordCloud(font_path=None, width=400, height=200, margin=5, ranks_only=False, prefer_horizontal=0.9,mask=None, scale=1, color_func=<function random_color_func at 0x2b8b422a31b8>, max_words=200, stopwords=None,random_state=None, background_color='black', max_font_size=None)
  
  #font_path:用到的字体文件的路径（支持OTF或TTF格式）.默认字体是DroidSansMono,但是不能够显示中文,所以可以Windows系统下的C:\Windows\Fonts中找字体替换.
  #width:画布宽度,默认值为400
  #height:画布高度,默认值为200
  #ranks_only:是否只用词频排序而不是实际词频统计值，默认 False
  #prefer_horizontal:词语水平出现的频率，默认0.9（即垂直出现频率为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。
  #scale : float (default=1)计算与绘制图像间的比例。对于较大的词云图像，使用比例而非较大的画布会显著提升绘图速度，但是可能会造成词语间的粗糙拟合。
  #max_words :(default=2000)词语的最大数量
  #stopwords : set of strings 屏蔽词
  #max_font_size : int or None (default=None)最大词的最大字号.

• wordcloud里面的方法

  #static fit_words(frequencies) / generate_from_frequencies: 依据词语和频率生成词云.
  参数：frequencies : array of tuples(包含了词语和频率的元组.)
  
  #static generate(text) / generate_from_text: 从文本中生成词云,调用 _text 和 fit_words.
  
  #static process_text(text): 将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies))
  参数：text : string(需要处理的文本)
  返回：words : list of tuples (string, float)(带有相应频率的词语)
  
  #static recolor(random_state=None, color_func=None): 对现有输出重新着色。重新上色会比重新生成整个词云快很多。
  
  #random_state : RandomState, int, or None, default=None
  如果非空，会使用固定的随机状态。
  如果给出一个整数，它会被用作 random.Random 状态的一个种子（根源）
  
  #color_func : function or None, default=None
  生成新颜色的函数，如果为空，则使用 self.color_func
  
  #static to_array():转化为 numpy array
  返回：image : nd-array size (width, height, 3)
  numpy 矩阵的词云图像
  
  #static to_file(filename):输出到文件
  参数：filename : string
  输出的文件路径
  
  #wordcloud.ImageColorGenerator(image): 基于 RGB 图像生成颜色。词语将会使用一定矩形区域内的平均颜色上色。这个对象可以被调用作为词云或者重新上色方法的颜色函数。
  参数：image : nd-array, shape (height, width, 3)(用来生成词语颜色的图像.)
  
  #wordcloud.random_color_func(word=None, font_size=None, position=None, orientation=None, font_path=None, random_state=None):随机生成色调,默认的上色方法。仅仅会生成一个随机的色调(80% 颜色值 50% 亮度)

使用mask元素绘制图像

• 我将我的原博客的标签页里的标签做个词云,先利用BeautifulSoup将网页的信息进行解析,然后使用一张心型图做mask生成一张词云.效果如下:

• 源代码需要的话这里取

  参考博客

  Python word_cloud 部分文档翻译