word_cloud-用Python之作个性化词云图

网上有很多制作词云的网站，我们使用Python也可以很方便的制作，这里，我们就简单学习下。

1. word_cloud

GitHub地址：https://github.com/amueller/word_cloud
首先我们需要安装，正常来说，直接就执行

pip install wordcloud

即可，但是，我这个是在Windows平台，安装的时候，提示什么少了，需要去下载个编译器的，报错信息后面有URL，

这里忘记记下来了，遇到的同学，直接去下载下应该就行了

error: Microsoft Visual C++ 14.0 is required

这里，我从网上找了另一个方法解决
去这个网站：http://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud
找到指定的版本下载就行了

这里，我就下载了这个cp36的，然后直接安装就行了

pip install wordcloud-1.3.2-cp36-cp36m-win_amd64.whl

官网上有个小栗子,我们可以测试下，代码和使用到的数据，github上都有

from os import path
from wordcloud import WordCloud

d = path.dirname(__file__)

# Read the whole text.
text = open(path.join(d, 'constitution.txt')).read()

# Generate a word cloud image
wordcloud = WordCloud().generate(text)

# Display the generated image:
# the matplotlib way:
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")

# lower max_font_size
wordcloud = WordCloud(max_font_size=40).generate(text)
plt.figure()
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
plt.show()

# The pil way (if you don't have matplotlib)
# image = wordcloud.to_image()
# image.show()

我们通过wordcloud生成了一个图片，然后使用matplotlib将图片展示出来，我们分析下上面的代码

matplotlib.pyplot.imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, hold=None, data=None, **kwargs)

Display an image on the axes.

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)

这里有很多例子：https://amueller.github.io/word_cloud/auto_examples/index.html

2. 中文词云

上面，我们试试中文，我们换一个中文的文件试试即可

东方网记者王佳妮8月19日报道：8月18日晚，一则重磅消息在沪发布：即日起，上海暂停新增投放共享单车。上海市交通委表示，将采取有效措施，逐步解决共享单车快速发展带来的无序和不平衡问题，促进共享单车行业的持续健康发展。东方网记者从各平台获悉，将积极配合，同时考虑将中心城区部分车辆向郊区转移。

执行后，发现，中文都是乱码
我们观察上面wordcloud类，他有一个参数

font_path : string

    Font path to the font that will be used (OTF or TTF). Defaults to DroidSansMono path on a Linux machine. If you are on another OS or don’t have this font, you need to adjust this path.

这个可以指定为中文字体，

font = r'C:\Windows\Fonts\simsun.ttc'
# Generate a word cloud image
wordcloud = WordCloud(font_path=font).generate(text)

再次执行，中文可以正常显示了

但是，显示的并不是我们想要的，
正常词云的话，显示的是关键词，和他的出现频率有关，这里的话，并没有对文本内容做很好的分词
刚刚去简单整理了一个Python的分词：Python中文分词-jieba

这样，我们继续修改下上面的代码

from os import path
from wordcloud import WordCloud
import jieba

d = path.dirname(__file__)

# Read the whole text.
text = open(path.join(d, 'hello.txt'),encoding='utf-8').read()

text_cut = jieba.cut(text , cut_all=False)
font = r'C:\Windows\Fonts\simsun.ttc'
# Generate a word cloud image
wordcloud = WordCloud(font_path=font).generate(' '.join(text_cut))

# Display the generated image:
# the matplotlib way:
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")

再次执行下

好嘞，这下差不多了，我们的中文词云图就搞好了

3. 自定义形状的词云图

下面，我们看看自定义形状的词云图，这里用官方的例子，就是需要多传入一个mask图片就行了

# -*- coding: utf-8 -*-
"""
Created on Sun Aug 20 14:04:48 2017

@author: yuguiyang
"""


from os import path
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

from wordcloud import WordCloud, STOPWORDS

d = path.dirname(__file__)

# Read the whole text.
text = open(path.join(d, 'alice.txt'),encoding='utf-8').read()

# read the mask image
# taken from
# http://www.stencilry.org/stencils/movies/alice%20in%20wonderland/255fk.jpg
alice_mask = np.array(Image.open(path.join(d, "alice_mask.png")))

stopwords = set(STOPWORDS)
stopwords.add("said")

wc = WordCloud(background_color="white", max_words=8000, mask=alice_mask,
               stopwords=stopwords)
# generate word cloud
wc.generate(text)

# store to file
wc.to_file(path.join(d, "alice.png"))

# show
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.figure()
plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')
plt.axis("off")
plt.show()

刚试了下，就是要找一个喜欢的图形图片，