Python第三方库wordcloud（词云）快速入门与进阶

ゝ一纸荒年。 2022-05-29 01:06 441阅读 0赞

## 前言： ##

笔主开发环境：Python3+Windows  
推荐初学者使用Anaconda来搭建Python环境，这样很方便而且能提高学习速度与效率。  
**简介：**  
wordcloud是Python中的一个小巧的词云生成器。  
github:[https://github.com/amueller/word\_cloud][https_github.com_amueller_word_cloud]  
官网:[https://amueller.github.io/word\_cloud/][https_amueller.github.io_word_cloud]  
**下载：**  
1——使用conda下载（前提是安装了Anaconda，推荐这种方法）：

conda install -c conda-forge wordcloud

2——使用pip命令(笔主开发环境为windows，第一次按这种方法安装，会出现错误，按照网上的解决办法一直没解决)：

pip install wordcloud

## 实例 ##

#### 1–入门案例 ####

#!/usr/bin/env python
    """ Minimal Example =============== 使用默认参数根据美国宪法生成方形的词云 """
    
    from os import path
    from wordcloud import WordCloud
    
    d = path.dirname(__file__)
    
    # 读取整个文本
    text = open(path.join(d, 'constitution.txt')).read()
    
    # 生成一个词云图像
    wordcloud = WordCloud().generate(text)
    
    # matplotlib的方式展示生成的词云图像
    import matplotlib.pyplot as plt
    plt.imshow(wordcloud, interpolation='bilinear')
    plt.axis("off")
    
    #max_font_size设定生成词云中的文字最大大小
    #width,height,margin可以设置图片属性
    # generate 可以对全部文本进行自动分词,但是他对中文支持不好
    wordcloud = WordCloud(max_font_size=66).generate(text)
    plt.figure()
    plt.imshow(wordcloud, interpolation="bilinear")
    plt.axis("off")
    plt.show()
    
    # pil方式展示生成的词云图像（如果你没有matplotlib）
    # image = wordcloud.to_image()
    # image.show()

![入门案例][006rNwoDgy1fpc92e9zwhj30a10bf42d.jpg]

#### 2–使用蒙版图像可以生成任意形状的wordcloud。 ####

#!/usr/bin/env python
    """ Masked wordcloud ================ 使用蒙版图像可以生成任意形状的wordcloud。 """
    
    from os import path
    from PIL import Image
    import numpy as np
    import matplotlib.pyplot as plt
    
    from wordcloud import WordCloud, STOPWORDS
    
    d = path.dirname(__file__)
    
    # 读取整个文本.
    text = open(path.join(d, 'alice.txt')).read()
    
    #读取图片（图片来源：http://www.stencilry.org/stencils/movies/alice%20in%20wonderland/255fk.jpg）
    alice_mask = np.array(Image.open(path.join(d, "alice_mask.png")))
    
    stopwords = set(STOPWORDS)
    stopwords.add("said")
    #设置词云的一些属性
    wc = WordCloud(background_color="white", max_words=2000, mask=alice_mask,
                   stopwords=stopwords)
    # 生成词云
    wc.generate(text)
    
    #保存到本地
    wc.to_file(path.join(d, "alice.png"))
    
    #展示
    plt.imshow(wc, interpolation='bilinear')
    plt.axis("off")
    plt.figure()
    plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')
    plt.axis("off")
    plt.show()

![006rNwoDgy1fpc9fgy3syj308a0efaas.jpg][]

### 3–着色 ###

#!/usr/bin/env python
    """ 使用自定义颜色 =================== 使用重新着色方法和自定义着色功能。 """
    
    import numpy as np
    from PIL import Image
    from os import path
    import matplotlib.pyplot as plt
    import random
    
    from wordcloud import WordCloud, STOPWORDS
    
    
    def grey_color_func(word, font_size, position, orientation, random_state=None, **kwargs):
        return "hsl(0, 0%%, %d%%)" % random.randint(60, 100)
    
    d = path.dirname(__file__)
    
    # 读取图片（图片来源：http://www.stencilry.org/stencils/movies/star%20wars/storm-trooper.gif）
    mask = np.array(Image.open(path.join(d, "stormtrooper_mask.png")))
    
    # 文字来源：“新希望”电影剧本（网址：http://www.imsdb.com/scripts/Star-Wars-A-New-Hope.html）
    text = open(path.join(d, 'a_new_hope.txt')).read()
    
    # 预处理一点点文本
    text = text.replace("HAN", "Han")
    text = text.replace("LUKE'S", "Luke")
    
    # 添加电影剧本特定的停用词
    stopwords = set(STOPWORDS)
    stopwords.add("int")
    stopwords.add("ext")
    
    wc = WordCloud(max_words=1000, mask=mask, stopwords=stopwords, margin=10,
                   random_state=1).generate(text)
    # 存储默认的彩色图像
    default_colors = wc.to_array()
    plt.title("Custom colors")
    plt.imshow(wc.recolor(color_func=grey_color_func, random_state=3),
               interpolation="bilinear")
    wc.to_file("a_new_hope.png")
    plt.axis("off")
    plt.figure()
    plt.title("Default colors")
    plt.imshow(default_colors, interpolation="bilinear")
    plt.axis("off")
    plt.show()

![006rNwoDgy1fpc9grrmxkj308t0etdhr.jpg][]

#!/usr/bin/env python
    """ Image-colored wordcloud ======================= 您可以在ImageColorGenerator中实现使用基于图像的着色策略对文字云进行着色，它使用由源图像中的单词占用的区域的平均颜色。 """
    
    from os import path
    from PIL import Image
    import numpy as np
    import matplotlib.pyplot as plt
    
    from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
    
    d = path.dirname(__file__)
    
    # 读取整个文本
    text = open(path.join(d, 'alice.txt')).read()
    
    # 读取蒙板/彩色图像（图片是从http://jirkavinse.deviantart.com/art/quot-Real-Life-quot-Alice-282261010下载的）
    alice_coloring = np.array(Image.open(path.join(d, "alice_color.png")))
    stopwords = set(STOPWORDS)
    stopwords.add("said")
    
    wc = WordCloud(background_color="white", max_words=2000, mask=alice_coloring,
                   stopwords=stopwords, max_font_size=40, random_state=42)
    # 生成词云
    wc.generate(text)
    
    # 从图像创建着色
    image_colors = ImageColorGenerator(alice_coloring)
    
    # 显示
    plt.imshow(wc, interpolation="bilinear")
    plt.axis("off") #不显示坐标尺寸
    plt.figure()
    # 重新着色词云并显示
    # 我们也可以直接在构造函数中给使用：color_func=image_colors 
    plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
    plt.axis("off") #不显示坐标尺寸
    plt.figure()
    plt.imshow(alice_coloring, cmap=plt.cm.gray, interpolation="bilinear")
    plt.axis("off") #不显示坐标尺寸
    plt.show()#一次绘制三张图

![着色][006rNwoDgy1fpc9atdvzuj306s0fydhw.jpg]  
关于着色的另一个例子：  
[colored\_by\_group.py][colored_by_group.py]

### 4–表情 ###

#!/usr/bin/env python
    """ 表情实例 =============== 一个简单的例子，显示如何包含表情符号。 请注意，这个例子似乎不适用于OS X（苹果系统），但是确实如此 在Ubuntu中正常工作 包含表情符号有3个重要步骤： 1) 使用io.open而不是内置的open来读取文本输入。 这确保它被加载为UTF-8 2) 重写词云使用的正则表达式以将文本解析为单词。 默认表达式只会匹配ascii的单词 3) 将默认字体覆盖为支持表情符号的东西。 包含的Symbola字体包括黑色和白色大多数表情符号的白色轮廓。 目前PIL / Pillow库存在的问题似乎可以预防 它在OS X上运行正常（https://github.com/python-pillow/Pillow/issues/1774）。 如果你有问题，试试在Ubuntu上运行 """
    import io
    import string
    from os import path
    from wordcloud import WordCloud
    
    d = path.dirname(__file__)
    
    #使用io.open将文件正确加载为UTF-8非常重要
    text = io.open(path.join(d, 'happy-emoji.txt')).read()
    
    # the regex used to detect words is a combination of normal words, ascii art, and emojis
    # 2+ consecutive letters (also include apostrophes), e.x It's
    normal_word = r"(?:\w[\w']+)"
    # 2+ consecutive punctuations, e.x. :)
    ascii_art = r"(?:[{punctuation}][{punctuation}]+)".format(punctuation=string.punctuation)
    # a single character that is not alpha_numeric or other ascii printable
    emoji = r"(?:[^\s])(?<![\w{ascii_printable}])".format(ascii_printable=string.printable)
    regexp = r"{normal_word}|{ascii_art}|{emoji}".format(normal_word=normal_word, ascii_art=ascii_art,
                                                         emoji=emoji)
    
    # 生成一个词云图片
    # Symbola字体包含大多数表情符号
    font_path = path.join(d, 'fonts', 'Symbola', 'Symbola.ttf')
    wordcloud = WordCloud(font_path=font_path, regexp=regexp).generate(text)
    
    # 采用matplotlib方式：展示生成的图片
    import matplotlib.pyplot as plt
    plt.imshow(wordcloud)
    plt.axis("off")
    plt.show()

![表情实例][006rNwoDgy1fpc9j44jzhj30ak05bdga.jpg]

以上所有例子可以到我的github上下载（持续更新Python第三方库使用demo以及常见python爬虫，python玩微信等内容）：  
[https://github.com/Snailclimb/Python/tree/master/PythonDemo/wordcloud][https_github.com_Snailclimb_Python_tree_master_PythonDemo_wordcloud]

[https_github.com_amueller_word_cloud]: https://github.com/amueller/word_cloud
[https_amueller.github.io_word_cloud]: https://amueller.github.io/word_cloud/
[006rNwoDgy1fpc92e9zwhj30a10bf42d.jpg]: https://ws1.sinaimg.cn/large/006rNwoDgy1fpc92e9zwhj30a10bf42d.jpg
[006rNwoDgy1fpc9fgy3syj308a0efaas.jpg]: https://ws1.sinaimg.cn/large/006rNwoDgy1fpc9fgy3syj308a0efaas.jpg
[006rNwoDgy1fpc9grrmxkj308t0etdhr.jpg]: https://ws1.sinaimg.cn/large/006rNwoDgy1fpc9grrmxkj308t0etdhr.jpg
[006rNwoDgy1fpc9atdvzuj306s0fydhw.jpg]: https://ws1.sinaimg.cn/large/006rNwoDgy1fpc9atdvzuj306s0fydhw.jpg
[colored_by_group.py]: https://github.com/Snailclimb/Python/blob/master/PythonDemo/wordcloud/examples/colored_by_group.py
[006rNwoDgy1fpc9j44jzhj30ak05bdga.jpg]: https://ws1.sinaimg.cn/large/006rNwoDgy1fpc9j44jzhj30ak05bdga.jpg
[https_github.com_Snailclimb_Python_tree_master_PythonDemo_wordcloud]: https://github.com/Snailclimb/Python/tree/master/PythonDemo/wordcloud