关于python中wordcloud第三方库的使用

首先使用pip命令安装wordcloud库

pip install wordcloud

在安装过程中会出现一个问题。安装首先会搜索安装numpy库、matplotlib库、pandas库等,最后搜索安装wordcloud库时会出现一堆错误,认真阅读红色的错误信息发现其中有一行错误如下:

error: Microsoft Visual C++ 14.0 is required.

参考https://blog.csdn.net/candice5566/article/details/83065022解决方案如下:
首先,在第三方库网站,UIC页面:https://www.lfd.uci.edu/~gohlke/pythonlibs/
下载wordcloud库,选择对应的版本号(注意:在Windows64位系统选择的是win-32.whl文件
第二步,使用cmd安装wheel(在cmd命令行下使用 pip list 可以查看已安装的库),如果存在wheel可以省略此步。
第三步,安装下载好的.whl文件。直接将下载好的.whl文件拖到pip install后面即可。
最后出现安装成功提示,问题解决


wordcloud库把词云当作一个WordCloud对象(注意两者的大小写),wordcloud.WordCloud()代表一个文本对应得词云,可以根据文本中词语出现得频率等参数绘制词云。

w = wordcloud.WordCloud()
生成一个词云对象,对象得变量是w

  • wordcloud库对象参数配置:

- width 指定词云对象生成图片的宽度,默认400像素

w = wordcloud.WordCloud(width=600)

- height 指定词云对象生成图片的高度,默认200像素

w = wordcloud.WordCloud(height=300)
  • 修改字体的参数:

- min_font_size 指定词云中字体的最小字号,默认4号

w = wordcloud.WordCloud(min_font_size=20)

- max_font_size 指定词云中字体的最大字号,根据高度自动调节

w = wordcloud.WordCloud(max_font_size=20)

- font_step 指定词云中字体字号的步进间隔,默认1

w = wordcloud.WordCloud(font_step=2)

- font_path 指定字体文件的路径,默认为None

w = wordcloud.WordCloud(font_path="msyh.ttc")
#msyh.ttc是微软雅黑字体(中文默认字体)
  • 词云对象相关参数:

- max_words 指定词云显示的最大单词数量,默认200

w = wordcloud.WordCloue(max_words=20)

- stop_words 指定词云的排除词列表,即不显示的单词列表

w = wordcloud.WordCloud(stop_words={"python"})

- mask 指定词云形状,默认长方形,需要引用imread()函数

from scipy.misc import imread
#scipy是第三方库,通过pip install scipy下载
mk = imread("pic.png")
w = wordcloud.WordCloud(mask=mk)

- background_color 指定词云图片的背景颜色,默认为黑色

w = wordcloud.WordCloud(background_color="white")

  • wordcloud库常规方法
    - w.generate(txt) 向WordCloud对象w中加载文本txt
    - w.to_file(filename) 将词云输出为图像文件,.png或.jpg格式
  • 词云绘制步骤:
    第一步,配置对象参数
    第二步,加载词云文本
    第三步,输出词云文件
    对于一个文本生成词云图,wordcloud库做了以下四件事:
    - 分隔:以空格为分隔符将文本分割成单词
    - 统计:统计单词出现次数以及过滤(出现次数越多对应的词云效果字体越大,过滤一些只有一两个字母的单词)
    - 字体:根据统计配置字号
    - 布局:进行颜色环境尺寸等布局

注意事项:由于wordcloud库是使用空格分割单词,而中文没有办法用空格来区分单词,所以首先需要对中文文本进行分词,组成由空格分隔的字符串

实例:

#GovRpWordCloud.py
import jieba
import wordcloud
'''
from scipy.misc import imread
mask = imread("star.jpg")
#这个实例运行时会提示无法从scipy.misc 引入 imread,百度了一下据说是新版的scipy库中移除了imread
'''
#解决办法
import numpy as np
from PIL import Image
mask = np.array(Image.open("fivestar.jpg"))
#图片的背景是白色,图片内容是不规则图形,这样才可以自定义词云形状
f = open("新时代中国特色社会主义.txt","r",encoding="utf-8")
t = f.read()
f.close()
ls = jieba.lcut(t)
txt = " ".join(ls)

w = wordcloud.WordCloud(font_path = "msyh.ttc",mask = mask,\
                        width = 1000,height = 700,\
                        background_color = "white",)

w.generate(txt)
w.to_file("grwordcloud.png")
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,546评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,224评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,911评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,737评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,753评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,598评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,338评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,249评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,696评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,888评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,013评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,731评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,348评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,929评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,048评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,203评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,960评论 2 355