python词云库wordCloud使用方法详解(解决中文乱码)
文章中的例子主要借鉴wordColud的examples,在文章对examples中的例子做了一些改动。
一、wordColud设计中文词云乱码
使用wordColud设计词云的时候可能会产生乱码问题,因为wordColud默认的字体不支持中文,所以我们只需要替换wordColud的默认字体即可正常显示中文。
1、中文词云乱码
我们使用simhei(黑体)来替换wordColud的默认字体。
2、替换默认字体
a、在字体文件*.tff字体文件(simhei.tff)拷贝到wordColud安装的文件夹中,文件夹路径:anaconda(python)-->lib-->site-packages-->wordcolud,如下图:
其中矩形框出来的是wordColud默认的字体,椭圆形框的是我们下载的字体。
b、修改wordcolud.py文件中的字体设置,打开改路径下的wordcolud.py文件,找到下图的所示的框出来的这一行(29行)
将系统的DroidSansMono.tff修改为simhei.tff即可。
二、wordColud示例
1、设计一个简单的圆形词云
importnumpyasnp importmatplotlib.pyplotasplt fromwordcloudimportWordCloud,STOPWORDS fromPILimportImage fromosimportpath importmatplotlib.pyplotasplt #用来正常显示中文 plt.rcParams["font.sans-serif"]=["SimHei"] #用来正常显示负号 plt.rcParams["axes.unicode_minus"]=False importos importrandom,jieba ''' 绘制单个词一个圆形的词云 ''' defsingle_wordColud(): text="第一第二第三第四" #产生一个以(150,150)为圆心,半径为130的圆形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) #将x轴和y轴坐标隐藏 plt.axis("off") plt.imshow(wc,interpolation="bilinear") plt.show()
2、以图片形状作为背景设计词云
下面以蜡笔小新的这张图片作为背景来设计一个词云,我们通过读取一个txt文件,文件中包含了很多段落,然后通过jieba对句子进行分词,去除停用词之后,生成一张词云的照片。
a、读取文件内容
使用jieba分词后,词之间需要通过空格进行分割,不然在产生词云的时候回变成一个词。
''' 中文分词 ''' defsegment_words(text): article_contents="" #使用jieba进行分词 words=jieba.cut(text,cut_all=False) forwordinwords: #使用空格来分割词 article_contents+=word+"" returnarticle_contents
b、读取停用词
停用词包括一些标点符号,和一些没有实际意义的词,我们需要将这些词都去除。
''' 从文件中读取停用词 ''' defget_stopwords(): dir_path=path.dirname(__file__)if"__file__"inlocals()elseos.getcwd() #获取停用词的路径 stopwords_path=os.path.join(dir_path,"txt/stopwords.txt") #创建set集合来保存停用词 stopwords=set() #读取文件 f=open(stopwords_path,"r",encoding="utf-8") line_contents=f.readline() whileline_contents: #去掉回车 line_contents=line_contents.replace("\n","").replace("\t","").replace("\u3000","") stopwords.add(line_contents) line_contents=f.readline() returnstopwords
c、生成词云图片
defdrow_mask_wordColud(): #获取当前文件的父目录 d=path.dirname(__file__)if"__file__"inlocals()elseos.getcwd() mask=np.array(Image.open(path.join(d,"img/test.jpg"))) text=open(path.join(d,"txt/test.txt"),"r",encoding="utf-8").read(). replace("\n","").replace("\t","").replace("\u3000","") #对文本进行分词 text=segment_words(text) #获取停用词 stopwords=get_stopwords() #创建词云 ''' max_words:显示词的数量 mask:背景 stopwords:停用词,是一个set集合 margin:词之间的间隔 background_color:词云图片背景颜色 ''' wc=WordCloud(max_words=100,mask=mask,background_color="white", stopwords=stopwords,margin=10,random_state=1).generate(text) default_colors=wc.to_array() ##保存词云图片 #wc.to_file("a_new_hope.png") plt.imshow(default_colors,interpolation="bilinear") plt.axis("off") plt.show()
3、自定义词云的颜色
fromwordcloudimportWordCloud,get_single_color_func importmatplotlib.pyplotasplt ''' 定义一个字体颜色设置类 ''' classGroupedColorFunc(object): def__init__(self,color_to_words,default_color): self.color_func_to_words=[ (get_single_color_func(color),set(words)) for(color,words)incolor_to_words.items() ] self.defalt_color_func=get_single_color_func(default_color) defget_color_func(self,word): try: #设置每个词的颜色 color_func=next(color_funcfor(color_func,words)inself.color_func_to_words ifwordinwords) exceptStopIteration: #词的默认颜色 color_func=self.defalt_color_func returncolor_func def__call__(self,word,**kwargs): returnself.get_color_func(word)(word,**kwargs) if__name__=="__main__": text="第一第二第三第四第五第六" #创建词云 wc=WordCloud(collocations=False,background_color="white").generate(text) #设置词的颜色 color_to_words={ #使用RGB来设置词的颜色 "#00ff00":["第一","第五"], "red":["第三","第六"], "yellow":["第二"] } #设置词默认的颜色 default_color="blue" grouped_color_func=GroupedColorFunc(color_to_words,default_color) #设置词云的颜色 wc.recolor(color_func=grouped_color_func) #显示词云图 plt.figure() plt.imshow(wc,interpolation="bilinear") plt.axis("off") plt.show()
通过词的颜色设置类,来设置不同词的颜色。
4、自定义突出词的重要程度
在生成词云的时候,默认使用的是使得词频高的词更加突出,突出的词会比较大,有时候我们已经计算出了词的权重,想通过词云图来突出权重大小的差别。
fromwordcloudimportWordCloud importmatplotlib.pyplotasplt importnumpyasnp defget_mask(): x,y=np.ogrid[:300,:300] mask=(x-150)**2+(y-150)**2>130**2 mask=255*mask.astype(int) returnmask if__name__=="__main__": #每个词的权重 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、保存词云图片
wc.to_file("test.png")
更多关于python词云库wordCloud使用方法请查看下面的相关链接
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。