词云是文本可视化的重要方式,可将大段文本中的关键语句和词汇高亮展示,
本篇文章先介绍几种制作词云的 Python 库,分别是 WordCloud、StyleCloud、Pyecharts;再加一个在线词云制作网站;最后通过代码实操和可视化效果对它们做个简单比较
WordCloud、StyleCloud、Pyecharts 这三个包制作词云都具备一个特点: 仅需几行代码就能绘制出一张精美的词云图,但需设置的参数量较大 ;
WordCloud 是 Python 做词云图使用频率最高的一个库,上手简单,操作方便;词云 mask 形状可以自定义;后面介绍的两款库都是基于它 进行二次开发
WordCloud 把所有方法都封装到 WordCloud 类中,使用时只需更改一些参数,来调整词云图样式
以一个简单的 圆形 词云图为例,
先用 collections 构建了一个词频字典, 之后利用 WordCloud() 中的 generate_from_frequencies() 方法来拟合传入的文本
关于词云形状 ,下面代码中通过 numpy 生成一个圆形二值化数组作为 mask 参数;
from wordcloud import WordCloud
from collections import Counter
word_list = []
with open("danmu.txt",encoding='utf-8') as f:
words = f.read()
for word in words.split('\n'):
if re.findall('[\u4e00-\u9fa5]+', str(word), re.S): # 正则表达式匹配中文字符
word_list.append(word)
def SquareWord(word_list):
counter = Counter(word_list) # 计算词频;
start = random.randint(0, 15) # 随机取0-15中间一个数字;
result_dict = dict(counter.most_common()[start:]) # 在 counter 中取前start 个元素;
x,y = np.ogrid[:300,:300] # 创建0-300二维数组;
mask = (x-150)**2 + (y-150)**2>130**2 #创建以 150,150为圆心,半径为130的Mask;
mask = 255*mask.astype(int) # 转化为 int
wc = WordCloud(background_color='black',
mask = mask,
mode = 'RGB',
font_path="D:/Data/fonts/HGXK_CNKI.ttf", # 设置字体路径,用于设置中文,
).generate_from_frequencies(result_dict)
plt.axis("off")
plt.imshow(wc,interpolation="bilinear")
plt.show()
SquareWord(word_list)# 绘制词云图主函数
效果如下:
square
<figcaption style="margin-top: 5px; text-align: center; color: #888; font- size: 0.0;">square</figcaption>
WordCloud 相对于其它两个 Python 库最突出的一个点:可以自定义 Mask ,通过 mask 参数传入一个 numpy 数组,来设定词云形状
但需要注意的是文本只填充value!=255
的区域,对 Value ==255
区域忽略 ,所以如果作为mask的备选图像不满足这个条件的话,需对图像进行预处理如下,背景用纯白色像素填充
image-20210210103201422
自定义mask词云绘制
def AliceWord(word_list):
counter = Counter(word_list) # 计算词频;
start = random.randint(0, 15) # 随机取0-15中间一个数字;
result_dict = dict(counter.most_common()[start:]) # 在 counter 中取前start 个元素;
# x, y = np.ogrid[:300, :300] # 创建0-300二维数组;
# mask = (x - 150) ** 2 + (y - 150) ** 2 > 130 ** 2 # 创建以 150,150为圆心,半径为130的Mask;
# mask = 255 * mask.astype(int) # 转化为 int
# 读取图片作为 Mask
alic_coloring = np.array(Image.open("D:/Data/WordArt/Alice_mask.png"))
wc = WordCloud(background_color = "white",# 设置背景颜色
mode ="RGB",
mask=alic_coloring,# 为None时,自动创建一个二值化图像,长400,宽200;
min_font_size=4,# 使用词的最小频率限定;
relative_scaling= 0.8,# 词频与大小相关性
font_path="D:/Data/fonts/HGXK_CNKI.ttf", # 字体路径,用于设置中文,
).generate_from_frequencies(result_dict)
wc.to_file("D:/Data/WordArt/wordclound.jpg")# 把生成的词云图进行保存
plt.axis("off")
plt.imshow(wc, interpolation="bilinear")
plt.show()
可视化效果
wordclound
最后,这里提一下 WordCloud 中最主要的几个参数设定:
除了以上参数之外,还可以设定 颜色,禁用词,是否出现重复词
等信息
image-20210210110804316
详情可参考官方文档
https://amueller.github.io/word_cloud/generated/wordcloud.WordCloud.html#wordcloud.WordCloud
StyleCloud 是基于 WordCloud 开发的,在 WordCloud 的基础上又加入了一些新特性
image-20210210114111274
主程序只需一行代码即可
def Style_WordArt():
# StyleClound 绘制词云图
stylecloud.gen_stylecloud(
file_path = "danmu.txt",#词云文本
background_color='white',#背景颜色
palette="colorbrewer.qualitative.Dark2_7",#调色板,来改变词云图文本颜色
icon_name='fas fa-cat',# 词云图标;
font_path= "D:/Data/fonts/HGXK_CNKI.ttf",# 中文字体路径
random_state=40,#控制文本颜色随机状态;
invert_mask= False,# 最终Mask是否逆置;
output_name="D:/Data/WordArt/styleclound.jpg",# 图片保存路径
)
效果如下:
styleclound
修改蒙版的话只需要更改 icon_name
参数即可,可参考 Font Awesome 网站, https://fontawesome.com/icons?d=gallery&m=free,里面几千种图案都可以使用
image-20210210115437929
icon_name
名称的设置为目标图标的 class 标签即可,如下
image-20210210120030256
<figcaption style="margin-top: 5px; text-align: center; color: #888; font- size: 0.0;">image-20210210120030256</figcaption>
当 icon_name = 'fas fa-dog'
时
styleclound1
当 icon_name ='fab fa-amazon'
时:
styleclound11
关于词云颜色调色板设定,修改 palette 参数即可,palette 设定可参考 Palettable 网站: https://jiffyclub.github.io/palettable/ ,有多种调色样式模板可供选择
image-20210210120541712
其中上面每个模块中又有许多子模块,为最终需要设置的调色板
image-20210210121310786
设置时选择任意模板的子模板即可, 不需要前面的palettable.
字符串;例如我想设置 palettale.colorbrewser.qualitative.Dark2_3 作为调色版,只需要将 palettle = 'colorbrewser.qualitative.Dark2_3'
即可
设置不同的调色板,最终会有不同的样式效果哦!
paletabble ='colorbrewer.qualitative.Paired_10'
image-20210210121514012
paletabble ='lightbartlein.diverging.BlueDarkOrange12_11'
image-20210210121739080
关于 Stylecloud 其它参数用法,可参考官方文档 https://github.com/minimaxir/stylecloud
Pyecharts 是基于 Apache Echarts 开发的,主要用于数据可视化;词云图只是其中众多图表类型中的一个,相对于前两种词云包,Pyecharts 的可视化效果要弱一些
但 Pyecharts 将词云图保存为单个 html 文件,最终呈现出来有一定的交互效果
word
代码部分
from pyecharts.charts import WordCloud
import pyecharts.options as opts
word_list = []
with open("danmu.txt",encoding='utf-8') as f:
words = f.read()
for word in words.split('\n'):
if re.findall('[\u4e00-\u9fa5]+', str(word), re.S): # 正则表达式匹配中文字符
word_list.append(word)
def Pyecharts_wordArt(word_list):
counter = Counter(word_list) # 计算词频;
start = random.randint(0, 15) # 随机取0-15中间一个数字;
result_dict = list(counter.most_common()[start:]) # 在 counter 中取前start 个元素;
print(result_dict[5:])
Charts = WordCloud().add(series_name="Pyecharts", data_pair=result_dict, word_size_range=[6, 66]).set_global_opts(
title_opts=opts.TitleOpts(
title="Pyecharts", title_textstyle_opts=opts.TextStyleOpts(font_size=23)),
tooltip_opts=opts.TooltipOpts(is_show=True),
)
Charts.render("Pyecharts_Wordclound.html")
Pyecharts_wordArt(word_list)
需要注意的是,Pyecharts 输入的文本需要是列表类型, 并且每隔词语与他出现的频率以数组形式存在,格式如下:
image-20210210130357486
在这三种词云图的基础上,这里再推荐一个词云在线制作网站,WordArt.com, 最终的可视化效果要优于上面三种,并且调整样式也非常方便,简单直观,如果制作词云图数量不是很多的话,建议借助这个网站进行绘制
image-20210210131002843
要对这几个工具做个比对的话,从下面几个角度我对它们做了个排序
可视化效果
WordArt > Stylecloud > WordCloud > Pyecharts
交互效果
WordArt > Pyecharts > StyleCloud = WordCloud
自动化效率
Pyecharts = StyleCloud = WordCloud > WordArt
上手容易程度
WrodArt > StyleCloud > Pyecharts > WordCloud
至于最终选择那个作为最终词云绘制工具,需要结合自身情况及使用场景进行选择,但无论哪一种工具,都要要提前简单了解一下
好了,以上就是本篇文章的全部内容了,最后感谢大家的阅读,我们下期见!
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。