1.簡單的詞云

# -*- coding: utf-8 -*- """ Created on Mon Nov 18 10:59:30 2019@author: 劉云生 @all 加微信返利機器人：lys20191020 """from wordcloud import WordCloud import matplotlib.pyplot as plt #繪制圖像的模塊 import jieba #jieba分詞path_txt='C:/Users/57888/python3/test/word.txt' f = open(path_txt,'r',encoding='UTF-8').read()# 結巴分詞，生成字符串，wordcloud無法直接生成正確的中文詞云 cut_text = " ".join(jieba.cut(f))wordcloud = WordCloud(#設置字體，不然會出現口字亂碼，文字的路徑是電腦的字體一般路徑，可以換成別的font_path="C:/Windows/Fonts/simfang.ttf",#設置了背景，寬高background_color="white",width=1000,height=800).generate(cut_text)plt.imshow(wordcloud, interpolation="bilinear") plt.axis("off") plt.show()

輸出結果

2.帶背景的詞云圖

使用這個小松鼠吧

# -*- coding: utf-8 -*- """ Created on Mon Nov 18 10:59:30 2019@author: 劉云生 @all 加微信返利機器人：lys20191020 """from PIL import Image from wordcloud import WordCloud, ImageColorGenerator import matplotlib.pyplot as plt import numpy as np import jieba def GetWordCloud():path_txt = 'C:/Users/57888/python3/test/word.txt'path_img = "C:/Users/57888/python3/test/cat.jpg"f = open(path_txt, 'r', encoding='UTF-8').read()#background_image = np.array(Image.open(path_img))background_image = np.array(Image.open(path_img))# 結巴分詞，生成字符串，如果不通過分詞，無法直接生成正確的中文詞云,感興趣的朋友可以去查一下，有多種分詞模式#Python join() 方法用于將序列中的元素以指定的字符連接生成一個新的字符串。cut_text = " ".join(jieba.cut(f, cut_all=False))wordcloud = WordCloud(# 設置字體，不然會出現口字亂碼，文字的路徑是電腦的字體一般路徑，可以換成別的font_path="C:/Windows/Fonts/simfang.ttf",background_color="white",# mask參數=圖片背景，必須要寫上，另外有mask參數再設定寬高是無效的mask=background_image).generate(cut_text)# 生成顏色值image_colors = ImageColorGenerator(background_image)# 下面代碼表示顯示圖片plt.imshow(wordcloud.recolor(color_func=image_colors), interpolation="bilinear")plt.axis("off")plt.show()if __name__ == '__main__':GetWordCloud()

輸出結果

3.屬性設置對照

font_path : string #字體路徑，需要展現什么字體就把該字體路徑+后綴名寫上，如：font_path = '黑體.ttf'width : int (default=400) #輸出的畫布寬度，默認為400像素height : int (default=200) #輸出的畫布高度，默認為200像素prefer_horizontal : float (default=0.90) #詞語水平方向排版出現的頻率，默認 0.9 （所以詞語垂直方向排版出現頻率為 0.1 ）mask : nd-array or None (default=None) #如果參數為空，則使用二維遮罩繪制詞云。如果 mask 非空，設置的寬高值將被忽略，遮罩形狀被 mask 取代。除全白（#FFFFFF）的部分將不會繪制，其余部分會用于繪制詞云。如：bg_pic = imread('讀取一張圖片.png')，背景圖片的畫布一定要設置為白色（#FFFFFF），然后顯示的形狀為不是白色的其他顏色。可以用ps工具將自己要顯示的形狀復制到一個純白色的畫布上再保存，就ok了。scale : float (default=1) #按照比例進行放大畫布，如設置為1.5，則長和寬都是原來畫布的1.5倍min_font_size : int (default=4) #顯示的最小的字體大小font_step : int (default=1) #字體步長，如果步長大于1，會加快運算但是可能導致結果出現較大的誤差max_words : number (default=200) #要顯示的詞的最大個數stopwords : set of strings or None #設置需要屏蔽的詞，如果為空，則使用內置的STOPWORDSbackground_color : color value (default=”black”) #背景顏色，如background_color='white',背景顏色為白色max_font_size : int or None (default=None) #顯示的最大的字體大小mode : string (default=”RGB”) #當參數為“RGBA”并且background_color不為空時，背景為透明relative_scaling : float (default=.5) #詞頻和字體大小的關聯性color_func : callable, default=None #生成新顏色的函數，如果為空，則使用 self.color_funcregexp : string or None (optional) #使用正則表達式分隔輸入的文本collocations : bool, default=True #是否包括兩個詞的搭配colormap : string or matplotlib colormap, default=”viridis” #給每個單詞隨機分配顏色，若指定color_func，則忽略該方法random_state : int or None #為每個單詞返回一個PIL顏色fit_words(frequencies) #根據詞頻生成詞云 generate(text) #根據文本生成詞云 generate_from_frequencies(frequencies[, ...]) #根據詞頻生成詞云 generate_from_text(text) #根據文本生成詞云 process_text(text) #將長文本分詞并去除屏蔽詞（此處指英語，中文分詞還是需要自己用別的庫先行實現，使用上面的 fit_words(frequencies) ） recolor([random_state, color_func, colormap]) #對現有輸出重新著色。重新上色會比重新生成整個詞云快很多 to_array() #轉化為 numpy array to_file(filename) #輸出到文件

總結

以上是生活随笔為你收集整理的python3将文本内容生成词云的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。