🤵♂️ 个人主页: @计算机魔术师
👨💻 作者简介：CSDN内容合伙人，全栈领域优质创作者。
开发环境
编辑器： jupyter notebook
解释器： python 3.7
在七夕节中，博主写了一篇为女友收集QQ聊天记录做可视化词云的文章获得广泛好评，一直有小伙伴希望能出一篇教程，今天他来啦！ 一文带你速通词云🙋♂️
文章链接 — Python | 词云】聊天记录绘制超美词云（七夕快乐 ，曾同学）
后面生成的图片是有些显示违规或奇怪（因为我是用核心价值观作为词库的，所以会被和谐，但学习思路没有问题，大家可以放心食用~）
文章目录
- 一、安装wordcloud
- 二、一个简单的词云
- 三、优化词云
- 四、中文版词云
- 4.1colormap 修改主色调
- 4.2修改部分字体的颜色
- 五、自定义轮廓（根据图片）
- 5.1添加边框和边框颜色
- 5.2保存图片🎉
- 5.3修改图片背景为透明色
- 六、处理大块文本
- 6.1处理分词后的字符串
一、安装wordcloud
pip install wordcloup
安装失败见：
到https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud 去下载符合自己的whl文件
我的Windows 是64 操作系统，python版本为3.9
用cmd进到下载的whl文件的目录执行
pip install wordcloud-1.5.0-cp39-cp39m-win32.whl
查看模块属性和方法
import wordcloud,PIL
import numpy as np
import jieba
dir(wordcloud)
输出
['ImageColorGenerator',
'STOPWORDS',
'WordCloud',
'__all__',
'__builtins__',
'__cached__',
'__doc__',
'__file__',
'__loader__',
'__name__',
'__package__',
'__path__',
'__spec__',
'__version__',
'_version',
'color_from_image',
'get_single_color_func',
'query_integral_image',
'random_color_func',
'tokenization',
'wordcloud']
主要使用其中的
WordCloud对象 生成词云和显示词云
dir(wordcloud.WordCloud)
输出
['__array__',
'__class__',
'__delattr__',
'__dict__',
'__dir__',
'__doc__',
······
,]
插入一下 dir的用法
# dir 如果没有参数，默认返回 项目属性 和 模块
dir()
二、一个简单的词云
我们生成一个简单词云 并用image绘出来
# 设置背景为白色
wcd = wordcloud.WordCloud(background_color='white')
text = 'hello world python windows css html javascript'
# 生成词云
wcd.generate(text) # Generate wordcloud from text.
wcd.to_image()
从中可以看见单词很散，很少， 我们对 词云对象 添加两个属性， repeat = true（重复） max_words (最大词数）
三、优化词云
（重复词，限制词数，放大图片,限制最大单词大小）
# 设置背景为白色，单词重复，词数限制，放大长宽
wcd1 = wordcloud.WordCloud(background_color='white',repeat=True,max_words=100,width=800,height=600,max_font_size=100)
wcd1.generate(text)
wcd1.to_image()
四、中文版词云
zh_hans_text = "自由、平等、公正、法治。自由、平等、公正、法治"
wcd_zh_hans = wordcloud.WordCloud(background_color='white',repeat=True,max_words=100,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
可以发现 编码问题出现了。
解决方案： 修改 font path 为中文字体路径
中文字体路径在哪里找呢，在 C:\Windows\Fonts
我们直接将所需要的字体复制到项目根路径下使用
wcd_zh_hans = wordcloud.WordCloud(font_path='./../font/Muyao.TTF',background_color='white',repeat=True,max_words=100,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
4.1colormap 修改主色调
我们希望修改一下颜色风格，我们查看一下
colormap介绍
也就说只能用 `matplotlib`库的颜色地图，我们去到对应官网
https://www.matplotlib.org.cn/gallery/color/colormap_reference.html
wcd_zh_hans = wordcloud.WordCloud(font_path='./../font/Muyao.TTF/',colormap='Reds',background_color='white',repeat=True,max_words=100,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
4.2修改部分字体的颜色
此时我们对主色调已经比较满意，但是我们希望可以对一些特别的字体换另外一种颜色，可以使用 方法 recolor() 重新绘制颜色
wcd_zh_hans.recolor() # 重新渲染颜色
wcd_zh_hans.to_image()
五、自定义轮廓（根据图片）
使用 mask 参数 （面罩）
对应参数是numpy 中的 array数组，将图片用PIL库打开 使用矩阵表示出来（图像本质就是矩阵）
默认mask表示为binary(二进制),如果有对应的
mask那么会自动忽略长宽，也就是不会进行默认的长方形图片显示，会被所给图片大小替代，其次如果图片有白底（#ff 或者 #ffffff)，那么此白底会被忽略，不会被渲染！ 相当于边框！
导入PIL (Pillow) 导入 numpy 库
mask = np.array(PIL.Image.open('china.png'))
# 图像本质就是矩阵
wcd_zh_hans = wordcloud.WordCloud(font_path='./../font/Muyao.TTF/',mask=mask,colormap='Reds',background_color='white',repeat=True,max_words=200,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
5.1添加边框和边框颜色
可以看到没有边框，此时我们想要边框可加上 contour 属性
wcd_zh_hans = wordcloud.WordCloud(font_path='./../font/Muyao.TTF/',contour_width=8,contour_color='red',mask=mask,colormap='Reds',background_color='white',repeat=True,max_words=200,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
5.2保存图片🎉
wcd_zh_hans.to_file('china_wordcloud.png')
5.3修改图片背景为透明色
但是出现一个问题：就是所生成的图片背景是白色的，而不是透明的，这样如果有需求还需要借助第三方工具变成透明
解决方法： 修改 mode （默认为RGB) 为 RGBA ， 并设置背景颜色为 None(必须在 RGBA 下有效，不然默认还是黑色背景）
| 参数 | 颜色 | 取值 |
|---|---|---|
| R | 红色值。正整数 | 百分数 |
| G | 绿色值。正整数 | 百分数 |
| B | 蓝色值。正整数 | 百分数 |
| A | Alpha透明度 | 0~1(颜色的透明度) |
此色彩模式与RGB相同,RGB定义了颜色的红绿蓝值,在RGB模式上新增了Alpha透明度.
wcd_zh_hans = wordcloud.WordCloud(font_path='./../font/Muyao.TTF/',mode='RGBA',contour_width=8,contour_color='white',mask=mask,colormap='Reds',background_color=None,repeat=True,max_words=200,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
根据报错，我们看到 图片和边框线contour的图层 不同，这是一直以来的
bug,到目前还没有修复😂。
解决办法： 去除边框线属性
wcd_zh_hans = wordcloud.WordCloud(font_path='./../font/Muyao.TTF/',mode='RGBA',mask=mask,colormap='Reds',background_color=None,repeat=True,max_words=200,width=800,height=600,max_font_size=100)
wcd_zh_hans.generate(zh_hans_text)
wcd_zh_hans.to_image()
perfect!!🎉
wcd_zh_hans.to_file('china_wordcloud_transparent.png')
六、处理大块文本
有时候我们的文本并不是像
zh_hans_text = "自由、平等、公正、法治。自由、平等、公正、法治"
处理好
通常情况下是这样：
`text="核心价值观是一个国家的重要稳定器。一个民族、一个国家的核心价值观必须同自身的历史文化相契合,同自身正在进行的奋斗相结合，同自身需要解决的时代问题相适应。可以说，社会主义核心价值观培育和践行的过程，也是转型社会重建现代价值秩序的过程。在社会从传统向现代的转型过程中，人们的价值观念也发生了深刻的变化，同自身正在进行的奋斗相结合，同自身需要解决的时代问题相适应.可以说，社会主义核心价值观培育和践行的过程，也是转型社会重建现代价值秩序的过程.在社会从传统向现代的转型过程中，人们的价值观念也发生了深刻的变化，`
- 可以使用中文分词第三方库
ieba(结巴库),该库适用于快速上手，但是准确率相比之下比较低
- 更高的准确率可以使用北京大学开源的中文分词第三方库
pkumsg(peking university segentation)
博客园 优质好文讲解
https://www.cnblogs.com/python-xkj/p/9247265.html
基本使用：
jieba.cut方法接受三个输入参数: 需要分词的字符串；cut_all参数用来控制是否采用全模式（默认为False)；HMM 参数用来控制是否使用 HMM 模型
jieba.cut_for_search方法接受两个参数：需要分词的字符串；是否使用HMM模型。该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细
待分词的字符串可以是unicode或UTF-8字符串、GBK字符串。注意：不建议直接输入GBK字符串，可能无法预料地错误解码成UTF-8
jieba.cut以及jieba.cut_for_search返回的结构都是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，或者用
jieba.lcut以及jieba.lcut_for_search直接返回list
jieba.Tokenizer(dictionary=DEFAULT_DICT)新建自定义分词器，可用于同时使用不同词典。jieba.dt为默认分词器，所有全局分词相关函数都是该分词器的映射。
结巴分词0.4版本以上支持四种分词模式：
| 模式 | 效果 |
|---|---|
| 精确模式 | 试图将句子最精确地切开，适合文本分析 |
| 全模式 | 把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义 |
| 搜索引擎模式 | 在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词 |
| paddle模式 | 利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。（应该是百度提供的分词模型），缺点之一是在面对大数据时耗时很大 |
text="核心价值观是一个国家的重要稳定器。一个民族、一个国家的核心价值观必须同自身的历史文化\
相契合,同自身正在进行的奋斗相结合，同自身需要解决的时代问题相适应。可以说，社会主义核心价值\
观培育和践行的过程，也是转型社会重建现代价值秩序的过程。在社会从传统向现代的转型过程中，人们\
的价值观念也发生了深刻的变化，同自身正在进行的奋斗相结合，同自身需要解决的时代问题相适应.可以\
说，社会主义核心价值观培育和践行的过程，也是转型社会重建现代价值秩序的过程.在社会从传统向现\
代的转型过程中，人们的价值观念也发生了深刻的变化，"
jieba.lcut(text)
6.1处理分词后的字符串
-
使用
.join将每个字符串' '连接起来，词云会自动去除标点符号，
( 使用方法类似re.sub替换：# 删除特殊符号 sentence = re.sub('[\'!"#$%&\'()*+,-./:;<=>?@，。?★、…【】《》？“”‘\'！[\\]^_{|}~\s]+', “”, sentence)`
-
也可以使用 计数好的字典 生成词云
jieba_text = ' '.join(jieba.lcut(text))
jieba_text
输出：
wcd_zh_hans.generate(jieba_text)
wcd_zh_hans.to_image()
wcd_zh_hans.to_file('china_wordcloud_jiaba.png')
🤞到这里，如果还有什么疑问🤞
🎩欢迎私信博主问题哦，博主会尽自己能力为你解答疑惑的！🎩
🥳如果对你有帮助，你的赞是对博主最大的支持！！🥳
