用Python製作酷炫詞雲圖,原來這麼簡單!

本文經由博客園作者 費弗裡 授權轉載

原文地址：https://www.cnblogs.com/feffery/p/11842798.html#4477534

如需轉載請聯繫原作者

本文對應腳本及數據已上傳至Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

一、簡介

　　詞雲圖是文本挖掘中用來表徵詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞：

圖1 詞雲圖示例

　　在Python中有很多可視化框架可以用來製作詞雲圖，如pyecharts，但這些框架並不是專門用於製作詞雲圖的，因此並不支持更加個性化的製圖需求，要想創作出更加美觀個性的詞雲圖，需要用到一些專門繪製詞雲圖的第三方模塊，本文就將針對其中較為優秀易用的wordcloud以及stylecloud的用法進行介紹和舉例說明。

二、利用wordcloud繪製詞雲圖

　　wordcloud是Python中製作詞雲圖比較經典的一個模塊，賦予用戶高度的自由度來創作詞雲圖：

圖2 wordcloud製作詞雲圖示例2.1 從一個簡單的例子開始

　　這裡我們使用到來自wordcloud官方文檔中的constitution.txt來作為可視化的數據素材：

圖3 constitution.txt

　　首先我們讀入數據並將數據清洗成空格分隔的長字符串：

import re

with open(『constitution.txt』) as c:
『』』抽取文本中的英文部分並小寫化，並將空格作為分隔拼接為長字符串』』』
text = 『 『.join([word.group().lower() for word in re.finditer(『[a-zA-Z]+』, c.read())])

『』』查看前100個字符』』』
text[:500]

圖4 清洗後的片段文本

　　接著使用wordcloud中用於生成詞雲圖的類WordCloud配合matplotlib，在默認參數設置下生成一張簡單的詞雲圖：

from wordcloud import WordCloud
import matplotlib.pyplot as plt
%matplotlib inline

『』』從文本中生成詞雲圖』』』
wordcloud = WordCloud().generate(text)
plt.figure(figsize=[12, 10])
plt.imshow(wordcloud)
plt.axis(『off』)
plt.show()

　　生成的詞雲圖:

圖5 默認參數下的詞雲圖

　　畢竟是在默認參數下生成的詞雲圖，既醜陋又模糊，為了繪製好看的詞雲圖，接下來我們來對wordcloud繪製詞雲圖的細節內容進行介紹，並不斷地對圖5進行升級改造。

2.2 WordCloud

　　作為wordcloud繪製詞雲圖最核心的類，WordCloud的主要參數及說明如下：

fontpath：字符型，用於傳入本地特定字體文件的路徑（ttf或otf文件）從而影響詞雲圖的字體族

width：int型，用於控制詞雲圖畫布寬度，默認為400

height：int型，用於控制詞雲圖畫布高度，默認為200

prefer_horizontal：float型，控制所有水平顯示的文字相對於豎直顯示文字的比例，越小則詞雲圖中豎直顯示的文字越多

mask：傳入蒙版圖像矩陣，使得詞雲的分布與傳入的蒙版圖像一致

contour：float型，當mask不為None時，contour參數決定了蒙版圖像輪廓線的顯示寬度，默認為0即不顯示輪廓線

contour_color：設置蒙版輪廓線的顏色，默認為』black』

scale：當畫布長寬固定時，按照比例進行放大畫布，如scale設置為1.5，則長和寬都是原來畫布的1.5倍

min_font_size：int型，控制詞雲圖中最小的詞對應的字體大小，默認為4

max_font_size：int型，控制詞雲圖中最大的詞對應的字體大小，默認為200

max_words：int型，控制一張畫布中最多繪製的詞個數，默認為200

stopwords：控制繪圖時忽略的停用詞，即不繪製停用詞中提及的詞，默認為None，即調用自帶的停用詞表（僅限英文，中文需自己提供並傳入）

background_color：控制詞雲圖背景色，默認為』black』

mode：當設置為』RGBA』且background_color設置為None時，背景色變為透明，默認為』RGB』

relative_scaling：float型，控制詞雲圖繪製字的字體大小與對應字詞頻的一致相關性，當設置為1時完全相關，當為0時完全不相關，默認為0.5

color_func：傳入自定義調色盤函數，默認為None

colormap：對應matplotlib中的colormap調色盤，默認為viridis，這個參數與參數color_func互斥，當color_func有函數傳入時本參數失效

repeat：bool型，控制是否允許一張詞雲圖中出現重複詞，默認為False即不允許重複詞

random_state：控制隨機數水平，傳入某個固定的數字之後每一次繪圖文字布局將不會改變

　　了解了上述參數的意義之後，首先我們修改背景色為白色，增大圖床的長和寬，加大scale以提升圖片的精細程度，並使得水平顯示的文字儘可能多：

『』』從文本中生成詞雲圖』』』
wordcloud = WordCloud(background_color=『white』, # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度設置為20
prefer_horizontal=0.9999).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis(『off』)
『』』保存到本地』』』
plt.savefig(『圖6.jpg』, dpi=600, bbox_inches=『tight』, quality=95)
plt.show()

圖6

　　可以看到相較於圖5，在美觀程度上有了很大的進步，接下來，我們在圖6的基礎上添加美國本土地圖蒙版：

圖7 美國本土地圖蒙版

　　利用PIL模塊讀取我們的美國本土地圖蒙版.png文件並轉換為numpy數組，作為WordCloud的mask參數傳入：

from PIL import Image
import numpy as np

usa_mask = np.array(Image.open(『美國本土地圖蒙版.png』))

『』』從文本中生成詞雲圖』』』
wordcloud = WordCloud(background_color=『white』, # 背景色為白色
height=4000, # 高度設置為400
width=8000, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.9999,
mask=usa_mask # 添加蒙版
).generate(text)
plt.figure(figsize=[8, 4])
plt.imshow(wordcloud)
plt.axis(『off』)
『』』保存到本地』』』
plt.savefig(『圖8.jpg』, dpi=600, bbox_inches=『tight』, quality=95)
plt.show()

圖8

　　可以看到圖8在圖6的基礎上進一步提升了美觀程度，接下來我們利用wordcloud中用於從圖片中提取調色方案的類ImageColorGenerator來從下面的星條旗美國地圖蒙版中提取色彩方案，進而反饋到詞雲圖上：

圖9 美國地圖蒙版星條旗色

from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator

usamask = np.array(Image.open(『美國地圖蒙版星條旗色.png』))
image_colors = ImageColorGenerator(usa_mask)

『』』從文本中生成詞雲圖』』』
wordcloud = WordCloud(background_color=『white』, # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2
mask=usa_mask, # 添加蒙版
max_words=1000, # 設置最大顯示字數為1000
relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
max_font_size=80 # 縮小最大字體為80
).generate(text)

plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(『off』)
『』』保存到本地』』』
plt.savefig(『圖10.jpg』, dpi=600, bbox_inches=『tight』, quality=95)
plt.show()

圖102.3 中文詞雲圖

　　相較於英文文本語料，中文語料處理起來要麻煩一些，我們需要先進行分詞等預處理才能進行下一步的處理，這裡我們使用某外賣平臺用戶評論數據，先讀取進來看看：

import pandas as pd
import jieba

『』』讀入原始數據』』』
raw_comments = pd.read_csv(『waimai_10k.csv』);raw_comments.head()

圖11

　　接下來我們利用re、jieba以及pandas中的apply對評論列進行快速清洗：

『』』導入停用詞表』』』
with open(『stopwords.txt』) as s:
stopwords = set([line.replace(『\n』, 『』) for line in s])

『』』傳入apply的預處理函數，完成中文提取、分詞以及多餘空格剔除』』』
def preprocessing(c):

c = [word for word in jieba.cut(『 『.join(re.findall(『[\u4e00-\u9fa5]+』, c))) if word != 『 『 and word not in stopwords]

return 『 『.join(c)

『』』將所有語料按空格拼接為一整段文字』』』
comments = 『 『.join(raw_comments[『review』].apply(preprocessing));comments[:500]

　　得到的結果如圖12：

圖12

　　這時我們就得到所需的文本數據，接下來我們用美團外賣的logo圖片作為蒙版繪製詞雲圖：

圖13 美團外賣logo蒙版

from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator

waimai_mask = np.array(Image.open(『美團外賣logo蒙版.png』))
image_colors = ImageColorGenerator(waimai_mask)

『』』從文本中生成詞雲圖』』』
wordcloud = WordCloud(background_color=『white』, # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2
mask=waimai_mask, # 添加蒙版
max_words=1000, # 設置最大顯示字數為1000
relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
max_font_size=80 # 縮小最大字體為80
).generate(comments)

plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(『off』)
『』』保存到本地』』』
plt.savefig(『圖14.jpg』, dpi=600, bbox_inches=『tight』, quality=95)
plt.show()

　　這時我們會發現詞雲圖上繪製出的全是亂碼，這是因為matplotlib默認字體是不包含中文的：

圖14 中文亂碼問題

　　這時我們只需要為WordCloud傳入font_path參數即可，這裡我們選擇SimHei字體：

from PIL import Image
import numpy as np
from wordcloud import ImageColorGenerator

waimai_mask = np.array(Image.open(『美團外賣logo蒙版.png』))
image_colors = ImageColorGenerator(waimai_mask)

『』』從文本中生成詞雲圖』』』
wordcloud = WordCloud(font_path=『SimHei.ttf』, # 定義SimHei字體文件
background_color=『white』, # 背景色為白色
height=400, # 高度設置為400
width=800, # 寬度設置為800
scale=20, # 長寬拉伸程度程度設置為20
prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2
mask=waimai_mask, # 添加蒙版
max_words=1000, # 設置最大顯示字數為1000
relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3
max_font_size=80 # 縮小最大字體為80
).generate(comments)

plt.figure(figsize=[8, 4])
plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1)
plt.axis(『off』)
『』』保存到本地』』』
plt.savefig(『圖15.jpg』, dpi=600, bbox_inches=『tight』, quality=95)
plt.show()

圖15三、利用stylecloud繪製詞雲圖

　　stylecloud是一個較為嶄新的模塊，它基於wordcloud，添加了一系列的嶄新特性譬如漸變顏色等，可以支持更為個性化的詞雲圖創作：

圖16 styleword製作詞雲圖示例3.1 從一個簡單的例子開始

　　這裡我們沿用上一章節中使用過的處理好的text來繪製詞雲圖：

import stylecloud
from IPython.display import Image # 用於在jupyter lab中顯示本地圖片

『』』生成詞雲圖』』』
stylecloud.gen_stylecloud(text=text,
size=512,
output_name=『圖17.png』)

『』』顯示本地圖片』』』
Image(filename=『圖17.png』)

圖17

　　可以看出，styleword生成詞雲圖的方式跟wordcloud不同，它直接就將原始文本轉換成本地詞雲圖片文件，下面我們針對其繪製詞雲圖的細節內容進行介紹。

3.2 gen_stylecloud

　　在stylecloud中繪製詞雲圖只需要gen_stylecloud這一個函數即可，其主要參數及說明如下：

text：字符串，格式同WordCloud中的generate()方法中傳入的text

gradient：控制詞雲圖顏色漸變的方向，』horizontal』表示水平方向上漸變，』vertical』表示豎直方向上漸變，默認為』horizontal』

size：控制輸出圖像文件的解析度（因為stylecloud默認輸出方形圖片，所以size傳入的單個整數代表長和寬），默認為512

icon_name：這是stylecloud中的特殊參數，通過傳遞對應icon的名稱，你可以使用多達1544個免費圖標來作為詞雲圖的蒙版，點擊這裡查看你可以免費使用的圖標蒙版樣式，默認為』fas fa-flag』

palette：控制調色方案，stylecloud的調色方案調用了palettable，這是一個非常實用的模塊，其內部收集了數量驚人的大量的經典調色方案，默認為』cartocolors.qualitative.Bold_5』

background_color：字符串，控制詞雲圖底色，可傳入顏色名稱或16進位色彩，默認為』white』

max_font_size：同wordcloud

max_words：同wordcloud

stopwords：bool型，控制是否開啟去停用詞功能，默認為True，調用自帶的英文停用詞表

custom_stopwords：傳入自定義的停用詞List，配合stopwords共同使用

output_name：控制輸出詞雲圖文件的文件名，默認為stylecloud.png

font_path：傳入自定義字體*.ttf文件的路徑

random_state：同wordcloud

　　對上述參數有所了解之後，下面我們在圖17的基礎上進行改良，首先我們將圖標形狀換成炸彈的樣子，接著將配色方案修改為scientific.diverging.Broc_3：

『』』生成詞雲圖』』』
stylecloud.gen_stylecloud(text=text,
size=1024,
output_name=『圖18.png』,
palette=『scientific.diverging.Broc_3』, # 設置配色方案
icon_name=『fas fa-bomb』 # 設置圖標樣式
)

『』』顯示本地圖片』』』
Image(filename=『圖18.png』)

圖183.3 繪製中文詞雲圖

　　在wordcloud中繪製中文詞雲圖類似wordcloud只需要注意傳入支持中文的字體文件即可，下面我們使用一個微博語料數據weibo_senti_100k.csv來舉例：

weibo = pd.read_csv(『weibo_senti_100k.csv』)
weibo_text = [word for word in jieba.cut(『 『.join(re.findall(『[\u4e00-\u9fa5]+』, 『 『.join(weibo[『review』].tolist())))) if word != 『 『 and word not in stopwords]
weibo_text[:10]

圖19

　　接著我們將蒙版圖標樣式換成新浪微博，將色彩方案換成colorbrewer.sequential.Reds_3：

『』』生成詞雲圖』』』
『』』生成詞雲圖』』』
stylecloud.gen_stylecloud(text=『 『.join(weibo_text),
size=1024,
output_name=『圖20.png』,
palette=『colorbrewer.sequential.Reds_3』, # 設置配色方案為https://jiffyclub.github.io/palettable/colorbrewer/sequential/#reds_3
icon_name=『fab fa-weibo』, # 設置圖標樣式
gradient=『horizontal』, # 設置顏色漸變方向為水平
font_path=『SimHei.ttf』,
collocations=False
)

『』』顯示本地圖片』』』
Image(filename=『圖20.png』)

圖20

以上就是本文的全部內容，如有筆誤望指出！

更多精彩

在公眾號後臺對話框輸入以下關鍵詞

查看更多優質內容！

女朋友 | 大數據 | 運維 | 書單 | 算法

大數據 | JavaScript | Python | 黑客

AI | 人工智慧 | 5G | 區塊鏈

機器學習 | 數學 | 送書