文本处理之可视化wordcloud

什么是词云

词云又叫文字云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。

准备工作：

python开发环境、wordcloud、jieba、matplotlib、numpy 、PIL 等库文件安装好。

pip 安装方法：
1. pip install xxx
2. 使用idea 直接安装
wordcloud生成词云的原理简介
wordcloud生成词云的原理其实并不复杂，大体分成5步（具体可自行查看源码）：

1.wordcloud制作词云时，首先要对对文本数据进行分词，使用process_text（）方法，这一步的主要任务是去除停用词
2.第二步是计算每个词在文本中出现的频率，生成一个哈希表。词频用于确定一个词的重要性
3.根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap 是该词云的算法所在，是词云的数据可视化方式的核心。生成词的颜色、位置、方向等
4.最后将词按对应的词频在词云布局图上生成图片，核心方法是generate_from_frequencies,不论是generate（）还是generate_from_text（）都最终用到generate_from_frequencies
完成词云上各词的着色,默认是随机着色
5.词语的各种增强功能大都可以通过wordcloud的构造函数实现，里面提供了22个参数，还可以自行扩展。

demo：

# coding:utf-8

import matplotlib.pyplot as plt

from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS

import jieba

import numpy as np

from PIL import Image

# 读入背景图片

abel_mask = np.array(Image.open("/home/djh/PycharmProjects/source/test.jpg"))

# 读取要生成词云的文件

text_from_file_with_apath = open('/home/djh/PycharmProjects/source/a.txt').read()

# 通过jieba分词进行分词并通过空格分隔

wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=True)

wl_space_split = " ".join(wordlist_after_jieba)

# my_wordcloud = WordCloud().generate(wl_space_split) 默认构造函数

my_wordcloud = WordCloud(

	background_color='white',  # 设置背景颜色

	mask=abel_mask,  # 设置背景图片

	max_words=200,  # 设置最大现实的字数

	stopwords=STOPWORDS,  # 设置停用词

	font_path='/home/djh/win_font/simkai.ttf',  # 设置字体格式，如不设置显示不了中文

	max_font_size=50,  # 设置字体最大值

	random_state=30,  # 设置有多少种随机生成状态，即有多少种配色方案

	scale=.5

).generate(wl_space_split)

# 根据图片生成词云颜色

image_colors = ImageColorGenerator(abel_mask)

# my_wordcloud.recolor(color_func=image_colors)

# 以下代码显示图片

plt.imshow(my_wordcloud)

plt.axis("off")

plt.show()

巴特西

文本处理之可视化wordcloud

最新文章

热门文章