簡單示例
from matplotlib import pyplot as plt from wordcloud import WordCloud filename = "text.txt" #文本路徑 with open(filename,encoding="utf-8") as f: data = f.read() font = r'C:\Windows\Fonts\FZSTK.TTF' wc = WordCloud(font_path=font, # 如果是中文必須要添加字體 background_color='white', width=1000, height=800, ).generate(data) wc.to_file('ss.png') # 保存圖片 plt.imshow(wc) # 用plt顯示圖片 plt.axis('off') # 不顯示坐標軸 plt.show() # 顯示圖片 # wc.to_file('img.jpg') #保存圖片
wordcloud.WordCloud類
class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None,background_color='black', max_font_size=None, font_step=1, mode='RGB', relative_scaling=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)
參數：
font_path : string //字體路徑，需要展現什么字體就把該字體路徑+后綴名寫上，如：font_path = '黑體.ttf' width : int (default=400) //輸出的畫布寬度，默認為400像素 height : int (default=200) //輸出的畫布高度，默認為200像素 prefer_horizontal : float (default=0.90) //詞語水平方向排版出現的頻率，默認 0.9 （所以詞語垂直方向排版出現頻率為 0.1 ） mask : nd-array or None (default=None) //如果參數為空，則使用二維遮罩繪制詞雲。如果 mask 非空，設置的寬高值將被忽略，遮罩形狀被 mask 取代。除全白（#FFFFFF）的部分將不會繪制，其余部分會用於繪制詞雲。如：bg_pic = imread('讀取一張圖片.png')，背景圖片的畫布一定要設置為白色（#FFFFFF），然后顯示的形狀為不是白色的其他顏色。可以用ps工具將自己要顯示的形狀復制到一個純白色的畫布上再保存，就ok了。 scale : float (default=1) //按照比例進行放大畫布，如設置為1.5，則長和寬都是原來畫布的1.5倍。 min_font_size : int (default=4) //顯示的最小的字體大小 font_step : int (default=1) //字體步長，如果步長大於1，會加快運算但是可能導致結果出現較大的誤差。 max_words : number (default=200) //要顯示的詞的最大個數 stopwords : set of strings or None //設置需要屏蔽的詞，如果為空，則使用內置的STOPWORDS background_color : color value (default=”black”) //背景顏色，如background_color='white',背景顏色為白色。 max_font_size : int or None (default=None) //顯示的最大的字體大小 mode : string (default=”RGB”) //當參數為“RGBA”並且background_color不為空時，背景為透明。 relative_scaling : float (default=.5) //詞頻和字體大小的關聯性 color_func : callable, default=None //生成新顏色的函數，如果為空，則使用 self.color_func regexp : string or None (optional) //使用正則表達式分隔輸入的文本 collocations : bool, default=True //是否包括兩個詞的搭配 colormap : string or matplotlib colormap, default=”viridis” //給每個單詞隨機分配顏色，若指定color_func，則忽略該方法。 函數： fit_words(frequencies) //根據詞頻生成詞雲 generate(text) //根據文本生成詞雲 generate_from_frequencies(frequencies[, ...]) //根據詞頻生成詞雲 generate_from_text(text) //根據文本生成詞雲 process_text(text) //將長文本分詞並去除屏蔽詞（此處指英語，中文分詞還是需要自己用別的庫先行實現，使用上面的 fit_words(frequencies) ） recolor([random_state, color_func, colormap]) //對現有輸出重新着色。重新上色會比重新生成整個詞雲快很多。 to_array() //轉化為 numpy array to_file(filename) //輸出到文件
在不同形狀黑白圖像上顯示
import jieba from matplotlib import pyplot as plt from wordcloud import WordCloud from PIL import Image import numpy as np font = r'C:\Windows\Fonts\FZSTK.TTF'#字體路徑 text = (open(r'text.txt', 'r', encoding='utf-8')).read() cut = jieba.cut(text) # 分詞 string = ' '.join(cut) # 將詞語連接起來，以空格為連接詞 img = Image.open(r'background.jpg') # 打開背景圖片 img_array = np.array(img) # 將圖片裝換為數組 stopword = ['xa0'] # 設置停止詞，也就是你不想顯示的詞 wc = WordCloud( background_color='white', width=1000, height=800, mask=img_array, font_path=font, ) wc.generate_from_text(string) # 繪制圖片 plt.imshow(wc) plt.axis('off') plt.show() # 顯示圖片 wc.to_file(r'new.png') #保存圖片
