文章中的例子主要借鉴wordColud的examples,在文章对examples中的例子做了一些改动。
一、wordColud设计中文词云乱码
使用wordColud设计词云的时候可能会产生乱码问题,因为wordColud默认的字体不支持中文,所以我们只需要替换wordColud的默认字体即可正常显示中文。
1、中文词云乱码
我们使用simhei(黑体)来替换wordColud的默认字体。
2、替换默认字体
a、在字体文件*.tff字体文件(simhei.tff)拷贝到wordColud安装的文件夹中,文件夹路径:anaconda(python)-->lib-->site-packages-->wordcolud,如下图:
其中矩形框出来的是wordColud默认的字体,椭圆形框的是我们下载的字体。
b、修改wordcolud.py文件中的字体设置,打开改路径下的wordcolud.py文件,找到下图的所示的框出来的这一行(29行)
将系统的DroidSansMono.tff修改为simhei.tff即可。
二、wordColud示例
1、设计一个简单的圆形词云
import numpy as np import matplotlib.pyplot as plt from wordcloud import WordCloud,STOPWORDS from PIL import Image from os import path import matplotlib.pyplot as plt #用来正常显示中文 plt.rcParams["font.sans-serif"]=["SimHei"] #用来正常显示负号 plt.rcParams["axes.unicode_minus"]=False import os import random,jieba ''' 绘制单个词一个圆形的词云 ''' def single_wordColud(): text = "第一 第二 第三 第四" #产生一个以(150,150)为圆心,半径为130的圆形mask x,y = np.ogrid[:300,:300] mask = (x-150) ** 2 + (y-150) ** 2 > 130 ** 2 mask = 255 * mask.astype(int) wc = WordCloud(background_color="white",repeat=True,mask=mask) wc.generate(text) #将x轴和y轴坐标隐藏 plt.axis("off") plt.imshow(wc,interpolation="bilinear") plt.show()
2、以图片形状作为背景设计词云
下面以蜡笔小新的这张图片作为背景来设计一个词云,我们通过读取一个txt文件,文件中包含了很多段落,然后通过jieba对句子进行分词,去除停用词之后,生成一张词云的照片。
a、读取文件内容
使用jieba分词后,词之间需要通过空格进行分割,不然在产生词云的时候回变成一个词。
''' 中文分词 ''' def segment_words(text): article_contents = "" #使用jieba进行分词 words = jieba.cut(text,cut_all=False) for word in words: #使用空格来分割词 article_contents += word+" " return article_contents
b、读取停用词
停用词包括一些标点符号,和一些没有实际意义的词,我们需要将这些词都去除。
''' 从文件中读取停用词 ''' def get_stopwords(): dir_path = path.dirname(__file__) if "__file__" in locals() else os.getcwd() #获取停用词的路径 stopwords_path = os.path.join(dir_path,"txt/stopwords.txt") #创建set集合来保存停用词 stopwords = set() #读取文件 f = open(stopwords_path,"r",encoding="utf-8") line_contents = f.readline() while line_contents: #去掉回车 line_contents = line_contents.replace("\n","").replace("\t","").replace("\u3000","") stopwords.add(line_contents) line_contents = f.readline() return stopwords
c、生成词云图片
def drow_mask_wordColud(): #获取当前文件的父目录 d = path.dirname(__file__) if "__file__" in locals() else os.getcwd() mask = np.array(Image.open(path.join(d,"img/test.jpg"))) text = open(path.join(d,"txt/test.txt"),"r",encoding="utf-8").read(). replace("\n","").replace("\t","").replace("\u3000","") #对文本进行分词 text = segment_words(text) #获取停用词 stopwords = get_stopwords() #创建词云 ''' max_words:显示词的数量 mask:背景 stopwords:停用词,是一个set集合 margin:词之间的间隔 background_color:词云图片背景颜色 ''' wc = WordCloud(max_words=100,mask=mask,background_color="white", stopwords=stopwords,margin=10,random_state=1).generate(text) default_colors = wc.to_array() # #保存词云图片 # wc.to_file("a_new_hope.png") plt.imshow(default_colors,interpolation="bilinear") plt.axis("off") plt.show()
3、自定义词云的颜色
from wordcloud import WordCloud,get_single_color_func import matplotlib.pyplot as plt ''' 定义一个字体颜色设置类 ''' class GroupedColorFunc(object): def __init__(self,color_to_words,default_color): self.color_func_to_words=[ (get_single_color_func(color),set(words)) for (color,words) in color_to_words.items() ] self.defalt_color_func=get_single_color_func(default_color) def get_color_func(self,word): try: #设置每个词的颜色 color_func = next(color_func for (color_func,words) in self.color_func_to_words if word in words) except StopIteration: #词的默认颜色 color_func = self.defalt_color_func return color_func def __call__(self,word,**kwargs): return self.get_color_func(word)(word,**kwargs) if __name__ == "__main__": text = "第一 第二 第三 第四 第五 第六" #创建词云 wc = WordCloud(collocations=False,background_color="white").generate(text) #设置词的颜色 color_to_words={ #使用RGB来设置词的颜色 "#00ff00":["第一","第五"], "red":["第三","第六"], "yellow":["第二"] } #设置词默认的颜色 default_color = "blue" grouped_color_func = GroupedColorFunc(color_to_words,default_color) #设置词云的颜色 wc.recolor(color_func=grouped_color_func) #显示词云图 plt.figure() plt.imshow(wc,interpolation="bilinear") plt.axis("off") plt.show()
通过词的颜色设置类,来设置不同词的颜色。
4、自定义突出词的重要程度
在生成词云的时候,默认使用的是使得词频高的词更加突出,突出的词会比较大,有时候我们已经计算出了词的权重,想通过词云图来突出权重大小的差别。
from wordcloud import WordCloud import matplotlib.pyplot as plt import numpy as np def get_mask(): x,y = np.ogrid[:300,:300] mask = (x-150) ** 2 + (y-150) ** 2 > 130 ** 2 mask = 255 * mask.astype(int) return mask if __name__ == "__main__": #每个词的权重 text = {"第一":0.1,"第二":0.2,"第三":0.3,"第四":0.4,"第五":0.5} wc = WordCloud(background_color="white",mask=get_mask()) wc.generate_from_frequencies(text) plt.axis("off") plt.imshow(wc,interpolation="bilinear") plt.show()
5、保存词云图片
wc.to_file("test.png")
更多关于python词云库wordCloud使用方法请查看下面的相关链接
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 明达年度发烧碟MasterSuperiorAudiophile2021[DSF]
- 英文DJ 《致命的温柔》24K德国HD金碟DTS 2CD[WAV+分轨][1.7G]
- 张学友1997《不老的传说》宝丽金首版 [WAV+CUE][971M]
- 张韶涵2024 《不负韶华》开盘母带[低速原抓WAV+CUE][1.1G]
- lol全球总决赛lcs三号种子是谁 S14全球总决赛lcs三号种子队伍介绍
- lol全球总决赛lck三号种子是谁 S14全球总决赛lck三号种子队伍
- 群星.2005-三里屯音乐之男孩女孩的情人节【太合麦田】【WAV+CUE】
- 崔健.2005-给你一点颜色【东西音乐】【WAV+CUE】
- 南台湾小姑娘.1998-心爱,等一下【大旗】【WAV+CUE】
- 【新世纪】群星-美丽人生(CestLaVie)(6CD)[WAV+CUE]
- ProteanQuartet-Tempusomniavincit(2024)[24-WAV]
- SirEdwardElgarconductsElgar[FLAC+CUE]
- 田震《20世纪中华歌坛名人百集珍藏版》[WAV+CUE][1G]
- BEYOND《大地》24K金蝶限量编号[低速原抓WAV+CUE][986M]
- 陈奕迅《准备中 SACD》[日本限量版] [WAV+CUE][1.2G]