在统计线上商城用户所购买物品的喜好时,考虑到以词云图的形式来作展示,通过查找网上相关资料得以实现,此处以郁达夫《故都的秋》中的文章来作示例。
1.需要调用的包主要有wordcloud,jieba,可直接利用pip install wordcloud、pip install jieba进行安装;
wordcloud版本示例 jieba版本示例
2.关于字体设置,可在C:\Windows\Fonts下,右键勾选属性,查看对应字体的字体名称;
字体属性图示
3.关于是否调用Jieba,目前经过测试发现并无什么差别,具体应用场景后续再逐渐摸索;
4.如果要让词云生成特定图片样式,则导入PIL.Image及numpy,然后再作相应处理,详见下文代码。
代码模块1-不带图片样式:
from wordcloud import WordCloud #导入wordcloud包
with open("故都的秋.txt" ,encoding="utf-8")as file: #打开文本内容文件
text=file.read() #读取文本内容
wordcloud=WordCloud(
font_path="C:/Windows/Fonts/msyh.ttc", #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’
background_color="white", #背景颜色
prefer_horizontal = 1, #词语水平方向排版出现的频率,如果为1这说明均为水平方向排版,垂直方向排版则为0,反之亦然。
width=600, #输出图片的宽度
height=300, #输出图片的高度
max_words=50 #显示的词的最大个数
).generate(text)
image=wordcloud.to_image() #生成图片
image.show() #显示图片
生成的词云图
代码模块2-带图片样式:
假设我们想让词云图最终呈现下图所示枫叶样式
fengye.jpg
from wordcloud import WordCloud #导入wordcloud包
import numpy #导入Numpy包
import PIL.Image as Image #导入图像处理库PIL的Image模块,该模块的运用详见https://blog.csdn.net/youzhouliu/article/details/81044465
with open("故都的秋.txt" ,encoding="utf-8")as file: #打开文本内容文件
text=file.read() #读取文本内容
mask_pic = numpy.array(Image.open("fengye.jpg")) #将图片像素作矩阵式处理,便于后续词云图与底层图融合使用。
wordcloud=WordCloud(
font_path="C:/Windows/Fonts/msyh.ttc", #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’
background_color="white", #背景颜色
width=600, #设置图片的宽度
height=300, #设置图片的高度
max_words=50, #设置显示词的最大个数
mask=mask_pic #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。
).generate(text)
image=wordcloud.to_image() #生成图片
image.show() #显示图片
生成的词云图
附录:wordcloud的参数说明
- font_path: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:输出的画布宽度,默认为400像素。
- height:输出的画布高度,默认为200像素。
- prefer_horizontal: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: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。
- scale: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:显示的最小的字体大小。
- font_step: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:显示的词的最大个数。
- stopwords:设置需要屏蔽的词,如果为空,则使用内置的STOPWORDS。
- background_color:背景颜色,如background_color=’white’,背景颜色为白色。
- max_font_size:显示的最大的字体大小。
- mode:当参数为“RGBA”并且background_color不为空时,背景为透明。
- relative_scaling:词频和字体大小的关联性。
- color_func:生成新颜色的函数,如果为空,则使用 self.color_func。
- regexp:使用正则表达式分隔输入的文本
- collocations:是否包括两个词的搭配
- colormap:给每个单词随机分配颜色,若指定color_func,则忽略该方法。
参考文档:
Python 生成词云图
Python图像处理库PIL的Image模块介绍
用分割点坐标将图像二值化
mask图像
网友评论