安装 python
1.直接使用pip install wordc,loud 可能会报各类错误正则表达式
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 数组
pyhton库文件下载地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/dom
案例函数
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:工具
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 字体
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。指针
(——摘自张若愚的《Python科学计算》)
成果展现code