文本可视化之词云图的使用

环境安装：

pip install  wordcloud -i  https://pypi.tuna.tsinghua.edu.cn/simple/ 
conda install  wordcloud
# -i 后面加镜像源网站

? WordCloud(background_color,repeat,max_words=600,height=480, width=584, max_font_size,font_path colormap,mask,mode,collocations, prefer_horizontal)

相关参数：

• background_color=‘white’, # 词云图的背景颜色，默认为 "black"
• repeat=False, # 是否重复
• max_words=600, # 词云图中显示的最大词语数量，默认为 200。
• height=480, width=584, # 图片尺寸
• max_font_size=200, # 词云图中显示的最大字体大小，默认为 None
• font_path=“C:/Windows/Fonts/FZSTK.TTF”, # 指定字体文件的路径，用于显示中文字符
• colormap=“Reds”, # 指定词云图的颜色方案，默认为 "viridis"、“Reds”、“Blues”、“Greens”
• mask=mask, # 词云图的形状，可以使用一个图片作为模板，一般结合imread()，将图片中不是白色的地方作为轮廓。
• mode=“RGBA”, # 词云图的模式，可以设置为 "RGB" 或 "RGBA"
• collocations=False# 否考虑词语搭配，默认为 True。
• prefer_horizontal=1# 控制词语水平摆放的频率，默认为 0.9

官方文档：https://github.com/amueller/word_cloud

英文词云图：

import matplotlib.pyplot as plt
from wordcloud import WordCloud

# 这里是模拟读取文件 
text="""Python is a popular programming language.
It is widely used for web development, data analysis, and machine learning.
Python has a simple and readable syntax, making it easy to learn and use."""
# 创建词云对象
wordcloud = WordCloud(width=800, height=400, background_color='white').generate(text)

# 绘制词云图
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')  # 不显示坐标轴
plt.show()

注意：英文分隔符是默认空格，所有我们不用对英文进行拆分处理。但是如果是中文，就需要使用jieba分词，需要拆分文字。

其实上面这个例子不是特别全面，应该进行停用词处理，这里给大家讲一下官方给出的例子：

from os import path
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import os

from wordcloud import WordCloud, STOPWORDS
# 获取当前脚本文件的目录路径，或者如果在IPython笔记本中运行，则获取当前工作目录。
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd()

# 读取文件
text = open(path.join(d, 'alice.txt')).read()
# 读取模板图像(就是你可以自定义词云图的样子)
alice_mask = np.array(Image.open(path.join(d, "alice_mask.png")))
# 创建了一个停用词的集合，并添加了一个自定义的停用词"said"
stopwords = set(STOPWORDS)
stopwords.add("said")
# 创建词云图对象
wc = WordCloud(background_color="white", max_words=2000, mask=alice_mask,
               stopwords=stopwords, contour_width=3, contour_color='steelblue')

wc.generate(text)
# 存储
wc.to_file(path.join(d, "alice.png"))
# show
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.figure()
plt.show()

注意模板图像一般是黑色的，相当于只填充黑色的地方，我们看一下结果：

十分优美！

中文词云图：

import numpy as np
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import jieba
from PIL import Image
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来显示中文，不然会乱码
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
text = """"
人生苦短，我用Python。Python是一门简单易学的编程语言，
广泛应用于数据分析、人工智能和Web开发领域。Python拥有丰富的第三方库和生态系统，
为开发者提供了很多便利。学习Python，让你的编程之路更加愉快。
"""

# 使用jieba进行中文分词
seg_list = jieba.cut(text, cut_all=False)
seg_text = ' '.join(seg_list)
print(seg_text)

# 创建词云对象   
wordcloud = WordCloud(font_path=r'msyh.ttc',width=800, height=400, background_color='white').generate(seg_text)
# wordcloud = WordCloud(font_path=r'C:/Windows/Fonts/FZSTK.TTF',width=800, height=400, background_color='white').generate(seg_text)
# 绘制词云图 
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')  # 不显示坐标轴
# 保存词云图为图片文件
wordcloud.to_file("wordcloud.png")
plt.show()

读取本地文件：

from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
from imageio import imread
text = """Python is a popular programming language.
It is widely used for web development, data analysis, and machine learning.
Python has a simple and readable syntax, making it easy to learn and use."""
# 读取图像并转换为数组

mask=np.array(Image.open("./img.png"))

# 创建词云对象，并设置 mask 参数
wordcloud = WordCloud(mask=mask,width=800, height=400, background_color='white')

# 生成词云图
wordcloud.generate(text)

# 显示词云图
plt.axis("off")
plt.imshow(wordcloud, interpolation="bilinear")
plt.show()

自定义词云形状：

from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
from imageio import imread
text = """Python is a popular programming language.
It is widely used for web development, data analysis, and machine learning.
Python has a simple and readable syntax, making it easy to learn and use."""
# 读取图像并转换为数组

x, y = np.ogrid[:300, :300]

mask = (x - 150) ** 2 + (y - 150) ** 2 > 130 ** 2
mask = 255 * mask.astype(int)

# 创建词云对象，并设置 mask 参数
wordcloud = WordCloud(mask=mask,width=800, height=400, background_color='white')

# 生成词云图
wordcloud.generate(text)

# 显示词云图
plt.axis("off")
plt.imshow(wordcloud, interpolation="bilinear")
plt.show()

总结：

? 通过本文的介绍，我们深入了解了词云图的使用和相关参数，并学会了生成中文词云图、英文词云图以及自定义词云图的样式。词云图作为一种强大的数据可视化工具，可以帮助我们直观地了解文本数据的关键词和主题。无论是从事数据分析、文本挖掘还是对话题进行可视化呈现，词云图都能提供有价值的信息。

? 在创建词云图时，我们可以根据需求调整不同的参数，如背景颜色、词数限制和停用词等，以达到最佳效果。此外，我们还可以通过选择合适的字体、设置自定义形状和调整颜色、轮廓等来创建独特的词云图。

? 希望本文对你理解词云图的基本原理和应用提供了帮助，并激发了你在数据可视化方面的创造力。无论是在学术研究、商业分析还是个人项目中，词云图都是一种强大而灵活的工具，能够使你的数据更具有吸引力和可解释性。

? 开始探索词云图的奇妙世界吧！让我们用词云图来揭示文本背后的故事，展示文字的魅力，带领读者进入一个充满词语和想象力的视觉盛宴。无论是文字的力量还是数据的美感，词云图都能为我们带来全新的体验。让我们一起用词云图来发现和分享这个世界上的无限可能性！