开放原子开发者工作坊

转载地址：https://zhuanlan.zhihu.com/p/20436581
上文末尾提到 Python 下还有一款词云生成器。amueller/word_cloud · GitHub

可以直接使用命令 pip install wordcloud 安装，自行补充完整依赖。

网上搜不到有关的中文文章，自己探索了一下，也算做出了结果。由于没有中文支持的说明和中文文档，在此简单补充并翻译部分文档。翻译可能有出入仅供参考，只是为了加深自己理解所用。

#后面有示例和展示。想了想放到一篇里面太臃肿，所以另起一篇展示。

API Reference

API 分为三部分

生成词云的部分、生成图像颜色的部分和随机颜色函数。

wordcloud.WordCloud

class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=5, ranks_only=False, prefer_horizontal=0.9,mask=None, scale=1, color_func=<function random_color_func at 0x2b8b422a31b8>, max_words=200, stopwords=None,random_state=None, background_color='black', max_font_size=None)

主要部分，用来生成词云并生成图像。

 

参数：

font_path : string

用到的字体文件的路径（支持OTF 或 TTF格式）。默认字体是
DroidSansMono 。非 Linux 系统需自行调整路径参数。

说明：Windows 下中文支持的方法。

1、准备好一个中文字体，如 simhei.ttf

2、将其复制到 C:\Python27\Lib\site-packages\wordcloud\

3、在 wordcloud.py 中修改 FONT_PATH 为相应字体。（注意是大写，大写的字体路径是默认路径，小写的字体是后面使用时可以再次指定的，会覆盖默认字体）

FONT_PATH = os.environ.get("FONT_PATH", os.path.join(os.path.dirname(__file__),

"simhei.ttf"))

4、注意中文的编码应为 utf-8 ，否则会导致乱码无法显示

#可以参见不知道什么语言的用户提出的 issue Word cloud unicode (multilanguage) problem · Issue #70 · amueller/word_cloud · GitHub

width : int (default=400)

画布宽度

height : int (default=200)

画布高度

ranks_only : boolean (default=False)

是否只用词频排序而不是实际词频统计值，默认 False

prefer_horizontal : float (default=0.90)

词语水平出现的频率，默认 0.9 （即垂直出现频率为 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。

scale : float (default=1)

计算与绘制图像间的比例。对于较大的词云图像，使用比例而非较大的画布会显著提升绘图速度，但是可能会造成词语间的粗糙拟合。

max_words : number (default=200)

词语的最大数量

stopwords : set of strings

屏蔽词

max_font_size : int or None (default=None)

最大词的最大字号。如果不指定，则为图像高度。

 

说明：

画布越大，运行耗时会显著提升。如果你需要输出一幅较大的词云图像，尝试设置较小的画布并使用比例参数来调节。

基于最大字号和比例参数，算法可能会更倾向于使用词语的排名顺序而非它们的实际频率。

 

属性：

words_: list of tuples (string, float)

带有频率的词语

layout_:list of tuples (string, int, (int, int), int, color))

编码拟合好的词云。每个词语的字符串、字号、位置、方向和颜色的编码。

 

方法：

static __init__(font_path=None, width=400, height=200, margin=5, ranks_only=False, prefer_horizontal=0.9, mask=None,scale=1, color_func=<function random_color_func at 0x2b8b422a31b8>, max_words=200, stopwords=None,random_state=None, background_color='black', max_font_size=None)

static fit_words(frequencies) / generate_from_frequencies（这两个一个意思）

依据词语和频率生成词云

参数：frequencies : array of tuples

包含了词语和频率的数组

static generate(text) / generate_from_text

从文本中生成词云，调用 _text 和 fit_words

static 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) ）

参数：text : string

需要处理的文本

返回：words : list of tuples (string, float)

带有相应频率的词语

说明：有标记词频的更好方法，但是作者没有把那些全部包括进来。

static recolor(random_state=None, color_func=None)

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。

参数：

random_state : RandomState, int, or None, default=None

如果非空，会使用固定的随机状态。
如果给出一个整数，它会被用作 random.Random 状态的一个种子（根源）

color_func : function or None, default=None

生成新颜色的函数，如果为空，则使用 self.color_func

static to_array()

转化为 numpy array

返回：image : nd-array size (width, height, 3)

numpy 矩阵的词云图像

static to_file(filename)

输出到文件

参数：filename : string

输出的文件路径

 

wordcloud.ImageColorGenerator

class wordcloud.ImageColorGenerator(image)

基于 RGB 图像生成颜色。词语将会使用一定矩形区域内的平均颜色上色。这个对象可以被调用作为词云或者重新上色方法的颜色函数。

参数：image : nd-array, shape (height, width, 3)

用来生成词语颜色的图像。 Alpha 通道会被忽略。大小应与画布大小相同。

static __init__(image)

 

wordcloud.random_color_func

wordcloud.random_color_func(word=None, font_size=None, position=None, orientation=None, font_path=None, random_state=None)

随机生成色调

默认的上色方法。仅仅会生成一个随机的色调（ 80% 颜色值 50% 亮度）

参数：

word, font_size, position, orientation : ignored.

random_state : random.Random object or None, (default=None)

如果一个随机的对象已经给出，这会用作生成随机数字（没看懂）