我的自学之路（python）012----词云wordcloud

上瘾

与其说是着迷于写代码，不如说是着迷于进入“心流”的状态，那种全神贯注、废寝忘食的状态，抬起头已是几个小时以后的事情了，这种感觉很美妙，于是我上瘾了。

wordcloud

上瘾之后，我得找点目标啊。在使用matploutlib来做出统计图标之后，我又google到了词云wordcloud，于是开始试着写一写。
思路是：把统计图表的代码换成wordcloud就好。

• 安装 wordcloud
  import wordcloud

• 研究wordcloud函数的各个参数
  wordcloud=font_path: string //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 : int (default=400) //输出的画布宽度，默认为400像素
  height : int (default=200) //输出的画布高度，默认为200像素
  prefer_horizontal : float (default=0.90) //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 : nd-array or None (default=None) //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，就ok了。
  scale : float (default=1) //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 : int (default=4) //显示的最小的字体大小
  font_step : int (default=1) //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 : number (default=200) //要显示的词的最大个数
  stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
  background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
  max_font_size : int or None (default=None) //显示的最大的字体大小
  mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
  relative_scaling : float (default=.5) //词频和字体大小的关联性
  color_func : callable, default=None //生成新颜色的函数，如果为空，则使用self.color_func
  regexp : string or None (optional) //使用正则表达式分隔输入的文本
  collocations : bool, default=True //是否包括两个词的搭配
  colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。
  fit_words(frequencies) //根据词频生成词云
  generate(text) //根据文本生成词云
  **generate_from_frequencies(frequencies[, ...]) **//根据词频生成词云
  **generate_from_text(text) **//根据文本生成词云
  process_text(text) //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
  recolor([random_state, color_func, colormap]) //对现有输出重新着色。重新上色会比重新生成整个词云快很多。
  to_array() //转化为 numpy array
  to_file(filename) //输出到文件

• 写相关代码

mask = np.array(Image.open(r'/图片地址'))
font = 'SimHei.ttf' #中文字体需要特别指定
wc = WordCloud(font_path=font,mask = mask,scale = 1.5,max_words=200,background_color = 'white',max_font_size = 200).generate_from_text(要生成的词语)  #主代码
image_colors = ImageColorGenerator(mask) # 从背景图建立颜色方案
wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案plt.imshow(wc,interpolation="bilinear") #根据图片的勾勒来形成特定的图片
plt.axis('off')
wc.to_file('show_chinese.png')  # 保存为图片   
plt.show()   #显示图片

微信返回词云

认识到代码块就是电路和砖块和水泥，它们就是用来搭建自己想要的大型建筑时，我对这个知识的恐惧感少了很多，体会到了创造的快乐，经过多次调试，微信返回词云的代码终于成功了，在这里贴一下。

# 处理文章词频，然后输出图像返回给微信

import matplotlib
matplotlib.use('TkAgg')
import re
from collections import Counter
import numpy as np
import requests
import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloud,ImageColorGenerator,STOPWORDS
from PIL import Image
import os
from os import path
from pyquery import PyQuery
from wxpy import *
import time
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']


bot = Bot(cache_path = True)

@bot.register(Friend)
def print_others(msg):
#print(msg)
if msg.type == 'Sharing':
        response = requests.get(msg.url)
        document = PyQuery(response.text)
        content = document('#js_content').text()
        content = re.sub('[a-zA-Z0-9’!"%&\'^\s+|\s+$()*+,-./:;，。?、…？“”‘’！]+',"",content)
        seg_list = jieba.cut(content, cut_all=True)
        remove_word = [u'的', u'，',u'和', u'是', u'随着', u'对于',
u'等于',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',
u'通常',u'如果',u'但是',u'一个',u'自己',u'因此',
u'没有',u'很多',u'可以',u'这个',u'虽然',u'因为',u'这样',u'已经',u'现在',
u'一些',u'比如',u'当然',u'如果',u'就是',u'比如',u'这些',u'由于',u'而且',
u'并且',u'他们']
        result = Counter()
        for seg in seg_list:
                if len(seg) > 1 and seg not in remove_word:
                    result[seg] = result[seg] + 1
        mydic = result.most_common(50)
        source_data={}
        for i in mydic:
            source_data[i[0]] = i[1]
        print(source_data)
        
        mask = np.array(Image.open(r'/Users/mac/Desktop/heart.jpg'))
        font = 'SimHei.ttf'
        wc = WordCloud(font_path=font,mask = mask,scale = 1.5,max_words=200,background_color = '#383838',max_font_size = 200).generate_from_frequencies(source_data)
        image_colors = ImageColorGenerator(mask) # 从背景图建立颜色方案
        wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案
        plt.imshow(wc,interpolation="bilinear")
        plt.axis('off')
        wc.to_file('show_chinese.png')  # 保存为图片   
        msg.sender.send_image('show_chinese.png') 
        plt.show()   
        

embed()