python詞雲庫wordCloud使用方法詳解(解決中文亂碼)
文章中的例子主要借鑑wordColud的examples,在文章對examples中的例子做了一些改動。
一、wordColud設計中文詞雲亂碼
使用wordColud設計詞雲的時候可能會產生亂碼問題,因為wordColud預設的字型不支援中文,所以我們只需要替換wordColud的預設字型即可正常顯示中文。
1、中文詞雲亂碼
我們使用simhei(黑體)來替換wordColud的預設字型。
2、替換預設字型
a、在字型檔案*.tff字型檔案(simhei.tff)拷貝到wordColud安裝的資料夾中,資料夾路徑:anaconda(python)-->lib-->site-packages-->wordcolud,如下圖:
其中矩形框出來的是wordColud預設的字型,橢圓形框的是我們下載的字型。
b、修改wordcolud.py檔案中的字型設定,開啟改路徑下的wordcolud.py檔案,找到下圖的所示的框出來的這一行(29行)
將系統的DroidSansMono.tff修改為simhei.tff即可。
二、wordColud示例
1、設計一個簡單的圓形詞雲
import numpy as np import matplotlib.pyplot as plt from wordcloud import WordCloud,STOPWORDS from PIL import Image from os import path import matplotlib.pyplot as plt #用來正常顯示中文 plt.rcParams["font.sans-serif"]=["SimHei"] #用來正常顯示負號 plt.rcParams["axes.unicode_minus"]=False import os import random,jieba ''' 繪製單個詞一個圓形的詞雲 ''' def single_wordColud(): text = "第一 第二 第三 第四" #產生一個以(150,150)為圓心,半徑為130的圓形mask x,y = np.ogrid[:300,:300] mask = (x-150) ** 2 + (y-150) ** 2 > 130 ** 2 mask = 255 * mask.astype(int) wc = WordCloud(background_color="white",repeat=True,mask=mask) wc.generate(text) #將x軸和y軸座標隱藏 plt.axis("off") plt.imshow(wc,interpolation="bilinear") plt.show()
2、以圖片形狀作為背景設計詞雲
下面以蠟筆小新的這張圖片作為背景來設計一個詞雲,我們通過讀取一個txt檔案,檔案中包含了很多段落,然後通過jieba對句子進行分詞,去除停用詞之後,生成一張詞雲的照片。
a、讀取檔案內容
使用jieba分詞後,詞之間需要通過空格進行分割,不然在產生詞雲的時候回變成一個詞。
''' 中文分詞 ''' def segment_words(text): article_contents = "" #使用jieba進行分詞 words = jieba.cut(text,cut_all=False) for word in words: #使用空格來分割詞 article_contents += word+" " return article_contents
b、讀取停用詞
停用詞包括一些標點符號,和一些沒有實際意義的詞,我們需要將這些詞都去除。
''' 從檔案中讀取停用詞 ''' def get_stopwords(): dir_path = path.dirname(__file__) if "__file__" in locals() else os.getcwd() #獲取停用詞的路徑 stopwords_path = os.path.join(dir_path,"txt/stopwords.txt") #建立set集合來儲存停用詞 stopwords = set() #讀取檔案 f = open(stopwords_path,"r",encoding="utf-8") line_contents = f.readline() while line_contents: #去掉回車 line_contents = line_contents.replace("\n","").replace("\t","").replace("\u3000","") stopwords.add(line_contents) line_contents = f.readline() return stopwords
c、生成詞雲圖片
def drow_mask_wordColud(): #獲取當前檔案的父目錄 d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() mask = np.array(Image.open(path.join(d,"img/test.jpg"))) text = open(path.join(d,"txt/test.txt"),encoding="utf-8").read(). replace("\n","") #對文字進行分詞 text = segment_words(text) #獲取停用詞 stopwords = get_stopwords() #建立詞雲 ''' max_words:顯示詞的數量 mask:背景 stopwords:停用詞,是一個set集合 margin:詞之間的間隔 background_color:詞雲圖片背景顏色 ''' wc = WordCloud(max_words=100,mask=mask,background_color="white",stopwords=stopwords,margin=10,random_state=1).generate(text) default_colors = wc.to_array() # #儲存詞雲圖片 # wc.to_file("a_new_hope.png") plt.imshow(default_colors,interpolation="bilinear") plt.axis("off") plt.show()
3、自定義詞雲的顏色
from wordcloud import WordCloud,get_single_color_func import matplotlib.pyplot as plt ''' 定義一個字型顏色設定類 ''' class GroupedColorFunc(object): def __init__(self,color_to_words,default_color): self.color_func_to_words=[ (get_single_color_func(color),set(words)) for (color,words) in color_to_words.items() ] self.defalt_color_func=get_single_color_func(default_color) def get_color_func(self,word): try: #設定每個詞的顏色 color_func = next(color_func for (color_func,words) in self.color_func_to_words if word in words) except StopIteration: #詞的預設顏色 color_func = self.defalt_color_func return color_func def __call__(self,word,**kwargs): return self.get_color_func(word)(word,**kwargs) if __name__ == "__main__": text = "第一 第二 第三 第四 第五 第六" #建立詞雲 wc = WordCloud(collocations=False,background_color="white").generate(text) #設定詞的顏色 color_to_words={ #使用RGB來設定詞的顏色 "#00ff00":["第一","第五"],"red":["第三","第六"],"yellow":["第二"] } #設定詞預設的顏色 default_color = "blue" grouped_color_func = GroupedColorFunc(color_to_words,default_color) #設定詞雲的顏色 wc.recolor(color_func=grouped_color_func) #顯示詞雲圖 plt.figure() plt.imshow(wc,interpolation="bilinear") plt.axis("off") plt.show()
通過詞的顏色設定類,來設定不同詞的顏色。
4、自定義突出詞的重要程度
在生成詞雲的時候,預設使用的是使得詞頻高的詞更加突出,突出的詞會比較大,有時候我們已經計算出了詞的權重,想通過詞雲圖來突出權重大小的差別。
from wordcloud import WordCloud import matplotlib.pyplot as plt import numpy as np def get_mask(): x,:300] mask = (x-150) ** 2 + (y-150) ** 2 > 130 ** 2 mask = 255 * mask.astype(int) return mask if __name__ == "__main__": #每個詞的權重 text = {"第一":0.1,"第二":0.2,"第三":0.3,"第四":0.4,"第五":0.5} wc = WordCloud(background_color="white",mask=get_mask()) wc.generate_from_frequencies(text) plt.axis("off") plt.imshow(wc,interpolation="bilinear") plt.show()
5、儲存詞雲圖片
wc.to_file("test.png")
更多關於python詞雲庫wordCloud使用方法請檢視下面的相關連結