wordcloud的方法參數歸納匯總

1.wordcloud下載地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

 

 CTRL+f搜索關鍵字，我下載的是這個，你要根據自己的python版本選擇下載，放到一個目錄下，在pycharm中找到目錄進行pip

 

 

2，wordcloud的方法參數歸納匯總（重點）：

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)

參數解讀：

1.  參數：
2.   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'
3.   width : int (default=400) //輸出的畫布寬度，默認為400像素
4.   height : int (default=200) //輸出的畫布高度，默認為200像素
5.   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 ）
6.   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。
7.   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。
8.   min_font_size : int (default=4) //顯示的最小的字體大小
9.   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。
10.   max_words : number (default=200) //要顯示的詞的最大個數
11.   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
12.   background_color : color value (default=”black”) //背景顏色，如background_color='white',背景顏色為白色。
13.   max_font_size : int or None (default=None) //顯示的最大的字體大小
14.   mode : string (default=”RGB”) //當參數為“RGBA”並且background_color不為空時，背景為透明。
15.   relative_scaling : float (default=.5) //詞頻和字體大小的關聯性
16.   color_func : callable, default=None //生成新顏色的函數，如果為空，則使用 self.color_func
17.   regexp : string or None (optional) //使用正則表達式分隔輸入的文本
18.   collocations : bool, default=True //是否包括兩個詞的搭配
19.   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。
20.  
21.  函數：
22.  fit_words(frequencies) //根據詞頻生成詞雲
23.  generate(text) //根據文本生成詞雲
24.  generate_from_frequencies(frequencies[, ...]) //根據詞頻生成詞雲
25.  generate_from_text(text) //根據文本生成詞雲
26.  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) ）
27.  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。
28.  to_array() //轉化為 numpy array
29.  to_file(filename) //輸出到文件

 

3.figure語法及操作

(1)figure語法說明

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

1. 1. num:圖像編號或名稱，數字為編號 ，字符串為名稱
   2. figsize:指定figure的寬和高，單位為英寸；
   3. dpi參數指定繪圖對象的分辨率，即每英寸多少個像素，缺省值為80      1英寸等於2.5cm,A4紙是 21*30cm的紙張 
   4. facecolor:背景顏色
   5. edgecolor:邊框顏色
   6. frameon:是否顯示邊框

(2)例子:

import matplotlib.pyplot as plt    #創建自定義圖像

fig=plt.figure(figsize=(4,3),facecolor='blue')

plt.show()

 

4，實例案例：

import jieba  # 分詞
from matplotlib import pyplot as plt  # 繪圖，數據可視化
from wordcloud import WordCloud  # 詞雲
from PIL import Image  # 圖片處理
import numpy as np  # 矩陣運算
import sqlite3  # 數據庫

# 分詞
cut = jieba.cut(text)  # text為你需要分詞的字符串/句子
string = ' '.join(cut)  # 將分開的詞用空格連接
# print(len(string))    顯示分詞長度

img = Image.open(r'.\static\assets\img\tree.jpg')  # 打開遮罩圖片
img_array = np.array(img)  # 將圖片轉化為數組
wc = WordCloud(
    background_color='white',  # 輸出圖片背景色
    mask=img_array,  # 要進行遮罩的圖片，數組
    font_path='msyh.ttc'  # 字體所在位置：C:\Windos\Fonts
)
wc.generate_from_text(string)  # 根據文本生成詞雲

# 繪制圖片
fig = plt.figure(1)  # 找第一個位置，並把它繪制出來
plt.imshow(wc)  # 用plt顯示圖片
plt.axis('off')  # 是否顯示坐標軸

# plt.show()  # 顯示生成的詞雲圖片
plt.savefig(r'.\static\assets\img\word.jpg', dpi=400)  # 保存圖片，清晰度為400


效果圖：

 

 

轉載博客：https://www.cnblogs.com/huangchenggener/p/10954920.html

轉載博客：https://blog.csdn.net/weixin_39778003/article/details/112178432