Python生成词云图，TIIDF方法文本挖掘: 词频统计，词云图

下面来介绍一下wordcloud包的基本用法。

class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None,background_color='black', max_font_size=None, font_step=1, mode='RGB', relative_scaling=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)1

这是wordcloud的所有参数，下面具体介绍一下各个参数：

font_path : string //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 : int (default=400) //输出的画布宽度，默认为400像素height : int (default=200) //输出的画布高度，默认为200像素prefer_horizontal : float (default=0.90) //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 : nd-array or None (default=None) //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，就ok了。scale : float (default=1) //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 : int (default=4) //显示的最小的字体大小font_step : int (default=1) //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 : number (default=200) //要显示的词的最大个数stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDSbackground_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。max_font_size : int or None (default=None) //显示的最大的字体大小mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。relative_scaling : float (default=.5) //词频和字体大小的关联性color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_funcregexp : string or None (optional) //使用正则表达式分隔输入的文本collocations : bool, default=True //是否包括两个词的搭配colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。1234567891011121314151617181920212223242526272829303132333435

fit_words(frequencies)  //根据词频生成词云generate(text)  //根据文本生成词云generate_from_frequencies(frequencies[, ...])   //根据词频生成词云generate_from_text(text)    //根据文本生成词云process_text(text)  //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）recolor([random_state, color_func, colormap])   //对现有输出重新着色。重新上色会比重新生成整个词云快很多。to_array()  //转化为 numpy arrayto_file(filename)   //输出到文件12345678

案例：其中TFIDF可参见之前的博客 
http://blog.csdn.net/hhtnan/article/details/76586693 
下图为背景图片 

#coding=utf-8#导入wordcloud模块和matplotlib模块from wordcloud import WordCloud,ImageColorGeneratorimport  matplotlib.pyplot as pltfrom scipy.misc import imreadimport jiebaimport jieba.analyse

content = open("test.txt","rb").read()  #测试文本为网上中国有嘻哈的某篇博客文章#tags extraction based on TF-IDF algorithmtags = jieba.analyse.extract_tags(content, topK=100, withWeight=False)
text =" ".join(tags)
print(text)# text = unicode(text)#读入背景图片bj_pic=imread('C:\\Users\\lenovo\\Desktop\\bm.png')#生成词云（通常字体路径均设置在C:\\Windows\\Fonts\\也可自行下载）font=r'C:\\Windows\\Fonts\\STFANGSO.ttf'#不加这一句显示口字形乱码  ""报错 wordcloud=WordCloud(mask=bj_pic,background_color='white',font_path=font,scale=3.5).generate(text)  #img_color = ImageColorGenerator(self.img)image_colors=ImageColorGenerator(bj_pic)#显示词云plt.imshow(wordcloud)
plt.axis('off')
plt.show()

wordcloud.to_file('test.jpg')1234567891011121314151617181920212223242526272829303132

输出结果：