python生成词云图

前言

python版本号：3.6.3
在网上看到词云图，一直觉得很有意思，最近没工作很空闲，就想着自己做一做
先放个效果图，这是用杰伦的三首歌《七里香》、《搁浅》、《借口》歌词文本做成的词云图。

python modules

需要使用的python包有：
wordcloud、jieba、numpy、cv2
使用pip安装即可

pip install wordcloud pip install jieba pip install numpy pip install opencv-python 

wordcloud参数说明

代码核心是wordcloud部分，下面列一下wordcloud的参数

font_path : string  #字体路径，如：font_path = '黑体.ttf'  width : int (default=400) #输出的图像宽度，默认为400像素  height : int (default=200) #输出的图像高度，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 （所以词语垂直方向排版出现频率为 0.1 ）  mask : nd-array or None (default=None) #背景布，除去纯白部分都会用来填充词云  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  max_font_size : int or None (default=None) #显示的最大的字体大小  font_step : int (default=1) #字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差  max_words : number (default=200) #要显示的词的最大个数  stopwords : set of strings or None #设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS。很多文章都没有说清楚要怎么写屏蔽词，其实就是一个list。  background_color : color value (default=”black”) #背景颜色，如background_color='white',背景颜色为白色  mode : string (default=”RGB”) #当参数为“RGBA”并且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，如果为空，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” #给每个单词随机分配颜色，若指定color_func，则忽略该方法  random_state : int or None  #为每个单词返回一个PIL颜色 

wordcloud输出形式

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，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ） recolor([random_state, color_func, colormap])   #对现有输出重新着色。重新上色会比重新生成整个词云快很多 to_array()  #转化为 numpy array to_file(filename)   #输出到文件 

jieba模块的使用

jieba是中文分词第三方库
一共有三种模式：精确模式、全模式、搜索引擎模式
精确模式下，把文本精确切分，不存在重复词语
全模式，文本中所有可能词语都扫描出来，存在重复
搜索引擎模式，基于精确模式，对长词再次切分

python中list容量有限，因此引入了生成器generator的概念，generator保存的是算法，list是[]，generator是()。
可用for循环打印generator：

for i in generator: 	print(i) 

代码演示

以下代码是一个示例，并不是生成上面示例图片的代码

# -*- coding: utf-8 -*-  from wordcloud import WordCloud import jieba import cv2 import numpy as np  def read_word(text_path):     with open(text_path,'r',encoding='utf-8') as f:         cut_word = jieba.cut(f.read())     result = " ".join(cut_word)     img = cv2.imread('bg_java.png')     img_array = np.array(img)     stop_words = ["开发","工作","优先","具有","要求","公司","PHP","参与","熟悉","任职"]          wc = WordCloud(         font_path='simhei.ttf',     #字体         background_color='white',   #背景颜色         width=1000,         height=600,         max_font_size=80,         min_font_size=10,         mask = img_array,  #背景图片         max_words=1000,         stopwords=stop_words     )     wc.generate_from_text(result)     wc.to_file('job_java.png')      if __name__ == '__main__':     read_word("job.txt")