利用python制作词云图

在统计线上商城用户所购买物品的喜好时，考虑到以词云图的形式来作展示，通过查找网上相关资料得以实现，此处以郁达夫《故都的秋》中的文章来作示例。
1.需要调用的包主要有wordcloud，jieba，可直接利用pip install wordcloud、pip install jieba进行安装；

wordcloud版本示例 jieba版本示例

2.关于字体设置，可在C:\Windows\Fonts下，右键勾选属性，查看对应字体的字体名称；

字体属性图示

3.关于是否调用Jieba，目前经过测试发现并无什么差别，具体应用场景后续再逐渐摸索；

4.如果要让词云生成特定图片样式，则导入PIL.Image及numpy，然后再作相应处理，详见下文代码。

代码模块1-不带图片样式：

from wordcloud import WordCloud #导入wordcloud包
with open("故都的秋.txt" ,encoding="utf-8")as file: #打开文本内容文件
    text=file.read()    #读取文本内容
    wordcloud=WordCloud(
        font_path="C:/Windows/Fonts/msyh.ttc",  #字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = ‘黑体.ttf’
        background_color="white",   #背景颜色
        prefer_horizontal = 1,  #词语水平方向排版出现的频率,如果为1这说明均为水平方向排版，垂直方向排版则为0，反之亦然。
        width=600,  #输出图片的宽度
        height=300, #输出图片的高度
        max_words=50    #显示的词的最大个数
    ).generate(text)
    image=wordcloud.to_image()  #生成图片
    image.show()    #显示图片

生成的词云图

代码模块2-带图片样式：
假设我们想让词云图最终呈现下图所示枫叶样式

fengye.jpg

from wordcloud import WordCloud #导入wordcloud包
import numpy    #导入Numpy包
import PIL.Image as Image   #导入图像处理库PIL的Image模块，该模块的运用详见https://blog.csdn.net/youzhouliu/article/details/81044465
with open("故都的秋.txt" ,encoding="utf-8")as file: #打开文本内容文件
  text=file.read()    #读取文本内容
  mask_pic = numpy.array(Image.open("fengye.jpg"))    #将图片像素作矩阵式处理，便于后续词云图与底层图融合使用。
  wordcloud=WordCloud(
      font_path="C:/Windows/Fonts/msyh.ttc",  #字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = ‘黑体.ttf’
      background_color="white",   #背景颜色
      width=600,  #设置图片的宽度
      height=300, #设置图片的高度
      max_words=50,   #设置显示词的最大个数
      mask=mask_pic   #如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。
  ).generate(text)
  image=wordcloud.to_image()  #生成图片
  image.show()    #显示图片

生成的词云图

附录：wordcloud的参数说明

• font_path:字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = ‘黑体.ttf’ 。
• width:输出的画布宽度，默认为400像素。
• height:输出的画布高度，默认为200像素。
• prefer_horizontal:词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）。
• mask:如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread(‘读取一张图片.png’)，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存。
• scale：按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
• min_font_size：显示的最小的字体大小。
• font_step：字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
• max_words：显示的词的最大个数。
• stopwords：设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS。
• background_color：背景颜色，如background_color=’white’,背景颜色为白色。
• max_font_size：显示的最大的字体大小。
• mode：当参数为“RGBA”并且background_color不为空时，背景为透明。
• relative_scaling：词频和字体大小的关联性。
• color_func:生成新颜色的函数，如果为空，则使用 self.color_func。
• regexp：使用正则表达式分隔输入的文本
• collocations：是否包括两个词的搭配
• colormap：给每个单词随机分配颜色，若指定color_func，则忽略该方法。

参考文档：
Python 生成词云图
Python图像处理库PIL的Image模块介绍
用分割点坐标将图像二值化
mask图像