词云绘制，推荐三种 Python包外加一个在线网站！

词云是文本可视化的重要方式，可将大段文本中的关键语句和词汇高亮展示，

本篇文章先介绍几种制作词云的 Python 库，分别是 WordCloud、StyleCloud、Pyecharts；再加一个在线词云制作网站；最后通过代码实操和可视化效果对它们做个简单比较

WordCloud、StyleCloud、Pyecharts 这三个包制作词云都具备一个特点： 仅需几行代码就能绘制出一张精美的词云图，但需设置的参数量较大 ；

WordCloud

WordCloud 是 Python 做词云图使用频率最高的一个库，上手简单，操作方便；词云 mask 形状可以自定义；后面介绍的两款库都是基于它进行二次开发

WordCloud 把所有方法都封装到 WordCloud 类中，使用时只需更改一些参数，来调整词云图样式

以一个简单的圆形词云图为例，

先用 collections 构建了一个词频字典，之后利用 WordCloud() 中的 generate_from_frequencies() 方法来拟合传入的文本

关于词云形状，下面代码中通过 numpy 生成一个圆形二值化数组作为 mask 参数;

代码语言：javascript复制

from wordcloud import WordCloud
from collections import Counter

word_list = []
with open("danmu.txt",encoding='utf-8') as f:
    words = f.read()
    for word in words.split('n'):
        if re.findall('[u4e00-u9fa5] ', str(word), re.S):  # 正则表达式匹配中文字符
            word_list.append(word)

def SquareWord(word_list):
    counter = Counter(word_list) # 计算词频；
    start = random.randint(0, 15) # 随机取0-15中间一个数字;
    result_dict = dict(counter.most_common()[start:]) # 在 counter 中取前start 个元素；

    x,y = np.ogrid[:300,:300] # 创建0-300二维数组；
    mask = (x-150)**2   (y-150)**2>130**2 #创建以 150，150为圆心，半径为130的Mask；
    mask = 255*mask.astype(int) # 转化为 int

    wc = WordCloud(background_color='black',
                   mask = mask,
                   mode = 'RGB',
                   font_path="D:/Data/fonts/HGXK_CNKI.ttf",  # 设置字体路径，用于设置中文,
                   ).generate_from_frequencies(result_dict)

    plt.axis("off")
    plt.imshow(wc,interpolation="bilinear")
    plt.show()

SquareWord(word_list)# 绘制词云图主函数

效果如下：

square

<figcaption style="margin-top: 5px; text-align: center; color: #888; font- size: 0.0;">square</figcaption>

WordCloud 相对于其它两个 Python 库最突出的一个点：可以自定义 Mask ，通过 mask 参数传入一个 numpy 数组，来设定词云形状

但需要注意的是文本只填充value!=255 的区域，对 Value ==255 区域忽略 ，所以如果作为mask的备选图像不满足这个条件的话，需对图像进行预处理如下，背景用纯白色像素填充

image-20210210103201422

自定义mask词云绘制

代码语言：javascript复制

def AliceWord(word_list):
    counter = Counter(word_list)  # 计算词频；
    start = random.randint(0, 15)  # 随机取0-15中间一个数字;
    result_dict = dict(counter.most_common()[start:])  # 在 counter 中取前start 个元素；

    # x, y = np.ogrid[:300, :300]  # 创建0-300二维数组；
    # mask = (x - 150) ** 2   (y - 150) ** 2 > 130 ** 2  # 创建以 150，150为圆心，半径为130的Mask；
    # mask = 255 * mask.astype(int)  # 转化为 int

    # 读取图片作为 Mask
    alic_coloring = np.array(Image.open("D:/Data/WordArt/Alice_mask.png"))
    wc = WordCloud(background_color = "white",# 设置背景颜色
                   mode ="RGB",
                   mask=alic_coloring,# 为None时，自动创建一个二值化图像，长400，宽200；
                   min_font_size=4,#  使用词的最小频率限定；
                   relative_scaling= 0.8,# 词频与大小相关性
                   font_path="D:/Data/fonts/HGXK_CNKI.ttf",  # 字体路径，用于设置中文,
                   ).generate_from_frequencies(result_dict)

    wc.to_file("D:/Data/WordArt/wordclound.jpg")# 把生成的词云图进行保存
    plt.axis("off")
    plt.imshow(wc, interpolation="bilinear")
    plt.show()

可视化效果

wordclound

最后，这里提一下 WordCloud 中最主要的几个参数设定：

background_color(type->str) ，颜色名字或颜色代码，设置词云图的背景色
font_path(type->str)，自定义字体路径，需要注意的时若预览的是中文文本，这个参数必须设置，否则会出现乱码情况；
mask(type->ndarray)，自定义词云形状，绘制时忽略纯白区域；
mode(type->str)，设为 ’RGBA‘ 时，背景为透明，默认为 ’RGB‘；
relative_scaling(type-> float)，词汇频率与最终词汇展示大小相关性，取值 0 -1；这个值越大相关性越强，默认为 0.5；
prefer_horizontal(type->float)，控制水平文字相对于处置显示文字的比例，越小则词云图中竖直显示文字越多；

除了以上参数之外，还可以设定 颜色，禁用词，是否出现重复词 等信息

image-20210210110804316

详情可参考官方文档

https://amueller.github.io/word_cloud/generated/wordcloud.WordCloud.html#wordcloud.WordCloud

StyleCloud

StyleCloud 是基于 WordCloud 开发的，在 WordCloud 的基础上又加入了一些新特性

image-20210210114111274

1，支持颜色渐变；
2，关于词云颜色，可以通过设计好的调色板来设置；
3，支持图标作为 mask，这个新特性是最赞的，并且设置时可直接对接 Font Awesome 网站，这里面有各式各样的图标
4，除了 text文本可作为词汇输入之外，还支持等 csv、txt 文件格式的输入；

主程序只需一行代码即可

代码语言：javascript复制

def Style_WordArt():
    # StyleClound 绘制词云图
    stylecloud.gen_stylecloud(
        file_path = "danmu.txt",#词云文本
        background_color='white',#背景颜色
        palette="colorbrewer.qualitative.Dark2_7",#调色板，来改变词云图文本颜色
        icon_name='fas fa-cat',# 词云图标；
        font_path= "D:/Data/fonts/HGXK_CNKI.ttf",# 中文字体路径
        random_state=40,#控制文本颜色随机状态；
        invert_mask= False,# 最终Mask是否逆置；
        output_name="D:/Data/WordArt/styleclound.jpg",# 图片保存路径
    )

效果如下：

styleclound

修改蒙版的话只需要更改 icon_name 参数即可，可参考 Font Awesome 网站， https://fontawesome.com/icons?d=gallery&m=free，里面几千种图案都可以使用

image-20210210115437929

icon_name名称的设置为目标图标的 class 标签即可，如下

image-20210210120030256

<figcaption style="margin-top: 5px; text-align: center; color: #888; font- size: 0.0;">image-20210210120030256</figcaption>

当 icon_name = 'fas fa-dog' 时

styleclound1

当 icon_name ='fab fa-amazon' 时：

styleclound11

关于词云颜色调色板设定，修改 palette 参数即可，palette 设定可参考 Palettable 网站： https://jiffyclub.github.io/palettable/ ，有多种调色样式模板可供选择

image-20210210120541712

其中上面每个模块中又有许多子模块，为最终需要设置的调色板

image-20210210121310786

设置时选择任意模板的子模板即可，不需要前面的palettable. 字符串；例如我想设置 palettale.colorbrewser.qualitative.Dark2_3 作为调色版，只需要将 palettle = 'colorbrewser.qualitative.Dark2_3'即可

设置不同的调色板，最终会有不同的样式效果哦！

paletabble ='colorbrewer.qualitative.Paired_10'

image-20210210121514012

paletabble ='lightbartlein.diverging.BlueDarkOrange12_11'

image-20210210121739080

关于 Stylecloud 其它参数用法，可参考官方文档 https://github.com/minimaxir/stylecloud

Pyecharts

Pyecharts 是基于 Apache Echarts 开发的，主要用于数据可视化；词云图只是其中众多图表类型中的一个，相对于前两种词云包，Pyecharts 的可视化效果要弱一些

但 Pyecharts 将词云图保存为单个 html 文件，最终呈现出来有一定的交互效果

word

代码部分

代码语言：javascript复制

from pyecharts.charts import WordCloud
import pyecharts.options as opts

word_list = []
with open("danmu.txt",encoding='utf-8') as f:
    words = f.read()
    for word in words.split('n'):
        if re.findall('[u4e00-u9fa5] ', str(word), re.S):  # 正则表达式匹配中文字符
            word_list.append(word)

def Pyecharts_wordArt(word_list):
    counter = Counter(word_list)  # 计算词频；
    start = random.randint(0, 15)  # 随机取0-15中间一个数字;
    result_dict = list(counter.most_common()[start:])  # 在 counter 中取前start 个元素；
    print(result_dict[5:])

    Charts = WordCloud().add(series_name="Pyecharts", data_pair=result_dict, word_size_range=[6, 66]).set_global_opts(
        title_opts=opts.TitleOpts(
            title="Pyecharts", title_textstyle_opts=opts.TextStyleOpts(font_size=23)),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
    Charts.render("Pyecharts_Wordclound.html")

Pyecharts_wordArt(word_list)

需要注意的是，Pyecharts 输入的文本需要是列表类型，并且每隔词语与他出现的频率以数组形式存在，格式如下：

image-20210210130357486