一、簡介
詞云圖是文本挖掘中用來表征詞頻的數(shù)據(jù)可視化圖像萍虽，通過它可以很直觀地展現(xiàn)文本數(shù)據(jù)中地高頻詞：睛廊！
圖1 詞云圖示例
在Python中有很多可視化框架可以用來制作詞云圖，如pyecharts杉编，但這些框架并不是專門用于制作詞云圖的超全，因此并不支持更加個性化的制圖需求咆霜，要想創(chuàng)作出更加美觀個性的詞云圖，需要用到一些專門繪制詞云圖的第三方模塊卵迂，本文就將針對其中較為優(yōu)秀易用的wordcloud以及stylecloud的用法進(jìn)行介紹和舉例說明裕便。
二、利用wordcloud繪制詞云圖
wordcloud是Python中制作詞云圖比較經(jīng)典的一個模塊见咒，賦予用戶高度的自由度來創(chuàng)作詞云圖：
圖2 wordcloud制作詞云圖示例
2.1 從一個簡單的例子開始
這里我們使用到來自wordcloud官方文檔中的constitution.txt來作為可視化的數(shù)據(jù)素材：
圖3 constitution.txt
首先我們讀入數(shù)據(jù)并將數(shù)據(jù)清洗成空格分隔的長字符串：
importre
withopen(‘constitution.txt’)asc:
‘’’抽取文本中的英文部分并小寫化偿衰，并將空格作為分隔拼接為長字符串’’’
text =‘ ‘.join([word.group().lower()forwordinre.finditer(‘[a-zA-Z]+’, c.read())])
‘’’查看前100個字符’’’
text[:500]
圖4 清洗后的片段文本
接著使用wordcloud中用于生成詞云圖的類WordCloud配合matplotlib，在默認(rèn)參數(shù)設(shè)置下生成一張簡單的詞云圖：
fromwordcloudimportWordCloud
importmatplotlib.pyplotasplt
%matplotlib inline
‘’’從文本中生成詞云圖’’’
wordcloud = WordCloud().generate(text)
plt.figure(figsize=[12,10])
plt.imshow(wordcloud)
plt.axis(‘off’)
plt.show()
生成的詞云圖:
圖5 默認(rèn)參數(shù)下的詞云圖
畢竟是在默認(rèn)參數(shù)下生成的詞云圖改览，既丑陋又模糊下翎，為了繪制好看的詞云圖，接下來我們來對wordcloud繪制詞云圖的細(xì)節(jié)內(nèi)容進(jìn)行介紹宝当，并不斷地對圖5進(jìn)行升級改造视事。
2.2 WordCloud
作為wordcloud繪制詞云圖最核心的類，WordCloud的主要參數(shù)及說明如下：
fontpath：字符型庆揩，用于傳入本地特定字體文件的路徑（ttf或otf文件）從而影響詞云圖的字體族
width：int型俐东，用于控制詞云圖畫布寬度，默認(rèn)為400
height：int型订晌，用于控制詞云圖畫布高度虏辫，默認(rèn)為200
prefer_horizontal：float型，控制所有水平顯示的文字相對于豎直顯示文字的比例锈拨，越小則詞云圖中豎直顯示的文字越多
mask：傳入蒙版圖像矩陣砌庄，使得詞云的分布與傳入的蒙版圖像一致
contour：float型，當(dāng)mask不為None時奕枢，contour參數(shù)決定了蒙版圖像輪廓線的顯示寬度娄昆，默認(rèn)為0即不顯示輪廓線
contour_color：設(shè)置蒙版輪廓線的顏色，默認(rèn)為’black’
scale：當(dāng)畫布長寬固定時缝彬，按照比例進(jìn)行放大畫布萌焰，如scale設(shè)置為1.5，則長和寬都是原來畫布的1.5倍
min_font_size：int型谷浅，控制詞云圖中最小的詞對應(yīng)的字體大小杆怕，默認(rèn)為4
max_font_size：int型，控制詞云圖中最大的詞對應(yīng)的字體大小壳贪，默認(rèn)為200
max_words：int型陵珍，控制一張畫布中最多繪制的詞個數(shù)，默認(rèn)為200
stopwords：控制繪圖時忽略的停用詞违施，即不繪制停用詞中提及的詞互纯，默認(rèn)為None，即調(diào)用自帶的停用詞表（僅限英文磕蒲，中文需自己提供并傳入）
background_color：控制詞云圖背景色留潦，默認(rèn)為’black’
mode：當(dāng)設(shè)置為’RGBA’且background_color設(shè)置為None時只盹，背景色變?yōu)橥该鳎J(rèn)為’RGB’
relative_scaling：float型兔院，控制詞云圖繪制字的字體大小與對應(yīng)字詞頻的一致相關(guān)性殖卑，當(dāng)設(shè)置為1時完全相關(guān)，當(dāng)為0時完全不相關(guān)坊萝，默認(rèn)為0.5
color_func：傳入自定義調(diào)色盤函數(shù)孵稽，默認(rèn)為None
colormap：對應(yīng)matplotlib中的colormap調(diào)色盤，默認(rèn)為viridis十偶，這個參數(shù)與參數(shù)color_func互斥菩鲜，當(dāng)color_func有函數(shù)傳入時本參數(shù)失效
repeat：bool型，控制是否允許一張詞云圖中出現(xiàn)重復(fù)詞惦积，默認(rèn)為False即不允許重復(fù)詞
random_state：控制隨機(jī)數(shù)水平接校，傳入某個固定的數(shù)字之后每一次繪圖文字布局將不會改變
了解了上述參數(shù)的意義之后，首先我們修改背景色為白色狮崩，增大圖床的長和寬蛛勉，加大scale以提升圖片的精細(xì)程度，并使得水平顯示的文字盡可能多：
‘’’從文本中生成詞云圖’’’
wordcloud = WordCloud(background_color=‘white’,# 背景色為白色
height=400,# 高度設(shè)置為400
width=800,# 寬度設(shè)置為800
scale=20,# 長寬拉伸程度設(shè)置為20
prefer_horizontal=0.9999).generate(text)
plt.figure(figsize=[8,4])
plt.imshow(wordcloud)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘圖6.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
圖6
可以看到相較于圖5睦柴，在美觀程度上有了很大的進(jìn)步诽凌，接下來，我們在圖6的基礎(chǔ)上添加美國本土地圖蒙版：
圖7 美國本土地圖蒙版
利用PIL模塊讀取我們的美國本土地圖蒙版.png文件并轉(zhuǎn)換為numpy數(shù)組爱只，作為WordCloud的mask參數(shù)傳入：
fromPILimportImage
importnumpyasnp
usa_mask = np.array(Image.open(‘美國本土地圖蒙版.png’))
‘’’從文本中生成詞云圖’’’
wordcloud = WordCloud(background_color=‘white’,# 背景色為白色
height=4000,# 高度設(shè)置為400
width=8000,# 寬度設(shè)置為800
scale=20,# 長寬拉伸程度程度設(shè)置為20
prefer_horizontal=0.9999,
mask=usa_mask# 添加蒙版
).generate(text)
plt.figure(figsize=[8,4])
plt.imshow(wordcloud)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘圖8.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
圖8
可以看到圖8在圖6的基礎(chǔ)上進(jìn)一步提升了美觀程度，接下來我們利用wordcloud中用于從圖片中提取調(diào)色方案的類ImageColorGenerator來從下面的星條旗美國地圖蒙版中提取色彩方案招刹，進(jìn)而反饋到詞云圖上：
圖9 美國地圖蒙版星條旗色
fromPILimportImage
importnumpyasnp
fromwordcloudimportImageColorGenerator
usamask = np.array(Image.open(‘美國地圖蒙版星條旗色.png’))
image_colors = ImageColorGenerator(usa_mask)
‘’’從文本中生成詞云圖’’’
wordcloud = WordCloud(background_color=‘white’,# 背景色為白色
height=400,# 高度設(shè)置為400
width=800,# 寬度設(shè)置為800
scale=20,# 長寬拉伸程度程度設(shè)置為20
prefer_horizontal=0.2,# 調(diào)整水平顯示傾向程度為0.2
mask=usa_mask,# 添加蒙版
max_words=1000,# 設(shè)置最大顯示字?jǐn)?shù)為1000
relative_scaling=0.3,# 設(shè)置字體大小與詞頻的關(guān)聯(lián)程度為0.3
max_font_size=80# 縮小最大字體為80
).generate(text)
plt.figure(figsize=[8,4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘圖10.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
圖10
2.3 中文詞云圖
相較于英文文本語料恬试，中文語料處理起來要麻煩一些辞色，我們需要先進(jìn)行分詞等預(yù)處理才能進(jìn)行下一步的處理新蟆，這里我們使用某外賣平臺用戶評論數(shù)據(jù)，先讀取進(jìn)來看看：
importpandasaspd
importjieba
‘’’讀入原始數(shù)據(jù)’’’
raw_comments = pd.read_csv(‘waimai_10k.csv’);raw_comments.head()
圖11
接下來我們利用re锅知、jieba以及pandas中的apply對評論列進(jìn)行快速清洗：
‘’’導(dǎo)入停用詞表’’’
withopen(‘stopwords.txt’)ass:
stopwords = set([line.replace(‘\n’,‘’)forlineins])
‘’’傳入apply的預(yù)處理函數(shù)妇拯，完成中文提取幻馁、分詞以及多余空格剔除’’’
defpreprocessing(c):
c = [wordforwordinjieba.cut(‘ ‘.join(re.findall(‘[\u4e00-\u9fa5]+’, c)))ifword !=‘ ‘a(chǎn)ndwordnotinstopwords]
return‘ ‘.join(c)
‘’’將所有語料按空格拼接為一整段文字’’’
comments =‘ ‘.join(raw_comments[‘review’].apply(preprocessing));comments[:500]
得到的結(jié)果如圖12：
圖12
這時我們就得到所需的文本數(shù)據(jù)，接下來我們用美團(tuán)外賣的logo圖片作為蒙版繪制詞云圖：
圖13 美團(tuán)外賣logo蒙版
fromPILimportImage
importnumpyasnp
fromwordcloudimportImageColorGenerator
waimai_mask = np.array(Image.open(‘美團(tuán)外賣logo蒙版.png’))
image_colors = ImageColorGenerator(waimai_mask)
‘’’從文本中生成詞云圖’’’
wordcloud = WordCloud(background_color=‘white’,# 背景色為白色
height=400,# 高度設(shè)置為400
width=800,# 寬度設(shè)置為800
scale=20,# 長寬拉伸程度程度設(shè)置為20
prefer_horizontal=0.2,# 調(diào)整水平顯示傾向程度為0.2
mask=waimai_mask,# 添加蒙版
max_words=1000,# 設(shè)置最大顯示字?jǐn)?shù)為1000
relative_scaling=0.3,# 設(shè)置字體大小與詞頻的關(guān)聯(lián)程度為0.3
max_font_size=80# 縮小最大字體為80
).generate(comments)
plt.figure(figsize=[8,4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘圖14.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
這時我們會發(fā)現(xiàn)詞云圖上繪制出的全是亂碼越锈，這是因為matplotlib默認(rèn)字體是不包含中文的：
圖14 中文亂碼問題
這時我們只需要為WordCloud傳入font_path參數(shù)即可仗嗦，這里我們選擇SimHei字體：
fromPILimportImage
importnumpyasnp
fromwordcloudimportImageColorGenerator
waimai_mask = np.array(Image.open(‘美團(tuán)外賣logo蒙版.png’))
image_colors = ImageColorGenerator(waimai_mask)
‘’’從文本中生成詞云圖’’’
wordcloud = WordCloud(font_path=‘SimHei.ttf’,# 定義SimHei字體文件
background_color=‘white’,# 背景色為白色
height=400,# 高度設(shè)置為400
width=800,# 寬度設(shè)置為800
scale=20,# 長寬拉伸程度程度設(shè)置為20
prefer_horizontal=0.2,# 調(diào)整水平顯示傾向程度為0.2
mask=waimai_mask,# 添加蒙版
max_words=1000,# 設(shè)置最大顯示字?jǐn)?shù)為1000
relative_scaling=0.3,# 設(shè)置字體大小與詞頻的關(guān)聯(lián)程度為0.3
max_font_size=80# 縮小最大字體為80
).generate(comments)
plt.figure(figsize=[8,4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(‘off’)
‘’’保存到本地’’’
plt.savefig(‘圖15.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)
plt.show()
圖15
三、利用stylecloud繪制詞云圖
stylecloud是一個較為嶄新的模塊甘凭，它基于wordcloud稀拐，添加了一系列的嶄新特性譬如漸變顏色等，可以支持更為個性化的詞云圖創(chuàng)作：
圖16 styleword制作詞云圖示例
3.1 從一個簡單的例子開始
這里我們沿用上一章節(jié)中使用過的處理好的text來繪制詞云圖：
importstylecloud
fromIPython.displayimportImage# 用于在jupyter lab中顯示本地圖片
‘’’生成詞云圖’’’
stylecloud.gen_stylecloud(text=text,
size=512,
output_name=‘圖17.png’)
‘’’顯示本地圖片’’’
Image(filename=‘圖17.png’)
圖17
可以看出丹弱，styleword生成詞云圖的方式跟wordcloud不同德撬，它直接就將原始文本轉(zhuǎn)換成本地詞云圖片文件铲咨，下面我們針對其繪制詞云圖的細(xì)節(jié)內(nèi)容進(jìn)行介紹。
3.2 gen_stylecloud
在stylecloud中繪制詞云圖只需要gen_stylecloud這一個函數(shù)即可蜓洪，其主要參數(shù)及說明如下：
text：字符串纤勒，格式同WordCloud中的generate()方法中傳入的text
gradient：控制詞云圖顏色漸變的方向，’horizontal’表示水平方向上漸變隆檀，’vertical’表示豎直方向上漸變摇天，默認(rèn)為’horizontal’
size：控制輸出圖像文件的分辨率（因為stylecloud默認(rèn)輸出方形圖片，所以size傳入的單個整數(shù)代表長和寬）刚操，默認(rèn)為512
icon_name：這是stylecloud中的特殊參數(shù)闸翅，通過傳遞對應(yīng)icon的名稱，你可以使用多達(dá)1544個免費圖標(biāo)來作為詞云圖的蒙版菊霜，點擊這里查看你可以免費使用的圖標(biāo)蒙版樣式坚冀，默認(rèn)為’fas fa-flag’
palette：控制調(diào)色方案，stylecloud的調(diào)色方案調(diào)用了palettable鉴逞，這是一個非常實用的模塊记某，其內(nèi)部收集了數(shù)量驚人的大量的經(jīng)典調(diào)色方案，默認(rèn)為’cartocolors.qualitative.Bold_5’
background_color：字符串构捡，控制詞云圖底色液南，可傳入顏色名稱或16進(jìn)制色彩，默認(rèn)為’white’
max_font_size：同wordcloud
max_words：同wordcloud
stopwords：bool型勾徽，控制是否開啟去停用詞功能滑凉，默認(rèn)為True，調(diào)用自帶的英文停用詞表
custom_stopwords：傳入自定義的停用詞List喘帚，配合stopwords共同使用
output_name：控制輸出詞云圖文件的文件名畅姊，默認(rèn)為stylecloud.png
font_path：傳入自定義字體*.ttf文件的路徑
random_state：同wordcloud
對上述參數(shù)有所了解之后，下面我們在圖17的基礎(chǔ)上進(jìn)行改良吹由，首先我們將圖標(biāo)形狀換成炸彈的樣子若未，接著將配色方案修改為scientific.diverging.Broc_3：
‘’’生成詞云圖’’’
stylecloud.gen_stylecloud(text=text,
size=1024,
output_name=‘圖18.png’,
palette=‘scientific.diverging.Broc_3’,# 設(shè)置配色方案
icon_name=‘fas fa-bomb’# 設(shè)置圖標(biāo)樣式
)
‘’’顯示本地圖片’’’
Image(filename=‘圖18.png’)
圖18
3.3 繪制中文詞云圖
在wordcloud中繪制中文詞云圖類似wordcloud只需要注意傳入支持中文的字體文件即可，下面我們使用一個微博語料數(shù)據(jù)weibo_senti_100k.csv來舉例：
weibo = pd.read_csv(‘weibo_senti_100k.csv’)
weibo_text = [wordforwordinjieba.cut(‘ ‘.join(re.findall(‘[\u4e00-\u9fa5]+’,‘ ‘.join(weibo[‘review’].tolist()))))ifword !=‘ ‘a(chǎn)ndwordnotinstopwords]
weibo_text[:10]
圖19
接著我們將蒙版圖標(biāo)樣式換成新浪微博倾鲫，將色彩方案換成colorbrewer.sequential.Reds_3：
‘’’生成詞云圖’’’
‘’’生成詞云圖’’’
stylecloud.gen_stylecloud(text=‘ ‘.join(weibo_text),
size=1024,
output_name=‘圖20.png’,
palette=‘colorbrewer.sequential.Reds_3’,# 設(shè)置配色方案為https://jiffyclub.github.io/palettable/colorbrewer/sequential/#reds_3
icon_name=‘fab fa-weibo’,# 設(shè)置圖標(biāo)樣式
gradient=‘horizontal’,# 設(shè)置顏色漸變方向為水平
font_path=‘SimHei.ttf’,
collocations=False
)
‘’’顯示本地圖片’’’
Image(filename=‘圖20.png’)
圖20
以上就是本文的全部內(nèi)容粗合，如有筆誤望指出！
