wordcloud使用教程

安装 

1.直接使用pip install wordc，loud 可能会报各类错误

 2.下载库文件wordcloud‑1.3.2‑cp36‑cp36m‑win32.whl ，而后pip install wordcloud‑1.3.2‑cp36‑cp36m‑win32.whl 

pyhton库文件下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/

案例

import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS
import jieba
import numpy as np
from PIL import Image
def wordyun():
 #导入背景图   
backgrim=np.array(Image.open("C:\\Users\SAMSUNG\PycharmProjects\practice0829\qqzon\\bg.jpg"))
 #导入文本文件   text=open("C:\\Users\SAMSUNG\PycharmProjects\practice0829\qqzon\\1154540719worldcloud.txt",encoding='utf-8').read()
    #jieba分词
    wordlist = jieba.cut(text, cut_all=True)
    wl = " ".join(wordlist)
#设置参数
    wordcloud=WordCloud(
        background_color='white',  #背景颜色
        mask=backgrim ,   #背景图片
        max_words = 300,  # 设置最多现实的词数
        stopwords=STOPWORDS,  # 设置停用词
        max_font_size=200,    # 设置字体最大值
        font_path='C:/Users/Windows/fonts/STXINGKA.TTF',#设置字体，路径在电脑内
        width=1600,
        height=1000,
        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(text)
#改变字体颜色
    image_colors = ImageColorGenerator(backgrim)
#展现词云
    plt.imshow(wordcloud)
#是否显示想x，y坐标
    plt.axis("off")
    plt.show()
#写入文件
    wordcloud.to_file('py_book1.png')  # 把词云保存下
wordyun()

词云参数：

font_path : string //字体路径，须要展示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 （因此词语垂直方向排版出现频率为 0.1 ）
 
mask : nd-array or None (default=None) //若是参数为空，则使用二维遮罩绘制词云。若是 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，其他部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布必定要设置为白色（#FFFFFF），而后显示的形状为不是白色的其余颜色。能够用ps工具将本身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，若是步长大于1，会加快运算可是可能致使结果出现较大的偏差。
 
max_words : number (default=200) //要显示的词的最大个数
 
stopwords : set of strings or None //设置须要屏蔽的词，若是为空，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”而且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，若是为空，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” //给每一个单词随机分配颜色，若指定color_func，则忽略该方法。
 
 
 
fit_words(frequencies)  //根据词频生成词云
generate(text)  //根据文本生成词云
generate_from_frequencies(frequencies[, ...])   //根据词频生成词云
generate_from_text(text)    //根据文本生成词云
process_text(text)  //将长文本分词并去除屏蔽词（此处指英语，中文分词仍是须要本身用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap])   //对现有输出从新着色。从新上色会比从新生成整个词云快不少。
to_array()  //转化为 numpy array
to_file(filename)   //输出到文件

 

numpy.array 

Python中提供了list容器，能够看成数组使用。但列表中的元素能够是任何对象，所以列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就须要三个指针和三个整数对象。对于数值运算来讲，这种结构显然不够高效。
    Python虽然也提供了array模块，但其只支持一维数组，不支持多维数组(在TensorFlow里面偏向于矩阵理解)，也没有各类运算函数。于是不适合数值运算。
    NumPy的出现弥补了这些不足。

（——摘自张若愚的《Python科学计算》）
成果展现