Python小知识：盘点WordCloud模块，词云图的相关知识点

Wordcloud是一种数据可视化技术，用于展示文本数据中词语的频率。它通过将文本中的词语按照出现的频率和重要性进行排列，并将其以不同大小、颜色和字体呈现在一个图像中，以便更直观地显示出现频率较高的词语。

1.词云图的制作步骤：

（大家可以用这个做一个参考，去做词云图）

• 收集文本数据：首先需要收集一段文本数据，可以是文章、评论、新闻等等。这些文本数据将作为制作词云的基础。

• 文本预处理：对收集到的文本进行预处理。这包括去除停用词（如“的”、“是”、“在”等常见无意义词语）、去除标点符号、转换为小写字母等。

• 分词处理：将文本拆分成单个的词语或短语。这可以通过分词库（如jieba）来实现。

• 统计词频：统计每个词语在文本中出现的频率。可以使用Python中的字典或计数器来实现。

• 选择关键词：根据需求或目的，筛选出重要的关键词。可以根据词频、TF-IDF值等指标来选择。

• 可视化词云：利用词云生成库（如wordcloud）将筛选后的关键词生成词云图。可以设置词云图的形状、颜色、字体等参数。

• 结果展示：将生成的词云图保存为图片或直接显示在界面上，用于展示和分享。

2.常用的词云模块有以下几个：

• Wordcloud：这是一个基于Python的词云生成库，可以根据文本数据生成词云图。它支持自定义字体、颜色、形状等参数。

• jieba：这是一个中文分词库，用于将中文文本切分成词语。

• matplotlib：这是一个用于绘制图表的库，在词云模块中常用于显示和保存词云图。

• numpy：这是一个用于科学计算的库，词云模块中常用于处理文本数据。

• PIL/Pillow：这是一个Python的图像处理库，在词云模块中常用于生成和处理图片。

3.WordCloud模块中参数的用法：

参数	使用说明
width	词云对象生成图片的宽度,默认400像素>>>w=wordcloud.WordCloud(width=600)
height	词云对象生成图片的高度,默认200像素>>>w=wordcloud.WordCloud(height=400)
min_font_size	词云中字体的最小字号,默认4号>>>w=wordcloud.WordCloud(min_font_size=10)
max_font_size	词云中字体的最大字号,根据高度自动调节>>>w=wordcloud.WordCloud(max_font_size=20)
font_step	词云中字体字号的步进间隔,默认为1>>>w=wordcloud.WordCloud(font_step=2)
font_path	字体文件的路径,默认None>>>w=wordcloud.WordCloud(font_path="msyh.ttc")
max_words	词云显示的最大单词数量,默认200>>>w=wordcloud.WordCloud(max_words=20)
stop_words	词云的排除词列表,即不显示的单词列表>>>w=wordcloud.WordCloud(stop_words={"Python"})
mask	自定义词云图形状,默认为长方形,需要引用imread()函数>>>from scipy.misc import imread>>>mk=imread("pic.png")>>>w=wordcloud.WordCloud(mask=mk)
background_color	词云图片的背景颜色,默认为黑色>>>w=wordcloud.WordCloud(background_color="white")

scale	词云图放大的比例，通常设置为“自动”（auto）或根据实际需求手动设置。
轮廓宽度和颜色	contour_width, contour_color是词云轮廓的宽度和颜色。
repeat	用于控制词组重复的次数。当repeat的值为True时，词组会重复出现，直到达到最大词数或最小字号的要求。而当repeat的值为一个整数时，词组会重复该整数所指定的次数。
recolor	对生成的词云进行重新上色，可以指定颜色模式和颜色函数。
to_file	将生成的词云保存为图片.png文件
to_image	转换为PIL图像对象，显示词云图 image = wordcloud.to_image() image.show()
to_array	将生成的词云以数组形式保存。
process_text	对输入的文本进行词频统计，生成一个词频字典。

这些参数可以根据实际需求进行组合和调整，以生成符合要求的词云图。请注意，以上参数的详细用法和取值范围可能会因WordCloud版本的不同而有所变化，建议参考官方文档或示例代码获取最新信息。

更多Python学习资料请戳👇