python3做词云(二)

本文详细介绍了WordCloud包的各个参数配置方法及其功能,包括字体设置、画布尺寸调整、文字排列方式等,帮助读者更好地利用词云展示文本数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里主要是总结一下wordcloud包的各种参数设计

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STOPWORDS

background_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_func

regexp : 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。



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 array
to_file(filename)   //输出到文件

### 如何使用Python爬虫抓取网页数据并生成图 #### 准备工作 为了实现这一目标,需要安装几个必要的库。`requests`用于发送HTTP请求获取网页内容;`BeautifulSoup`或`lxml`解析HTML文档提取所需的数据;`pandas`处理和清洗数据;最后利用`wordcloud`和`matplotlib`生成并显示图像。 ```bash pip install requests beautifulsoup4 lxml pandas wordcloud matplotlib ``` #### 抓取网页数据 下面是一个简单的例子说明怎样从指定URL中抓取文本信息: ```python import requests from bs4 import BeautifulSoup url = "https://example.com/article" response = requests.get(url) if response.status_code == 200: soup = BeautifulSoup(response.text, &#39;html.parser&#39;) # 假设文章正文位于class名为&#39;content&#39;的div标签内 content_div = soup.find(&#39;div&#39;, class_=&#39;content&#39;) paragraphs = content_div.find_all(&#39;p&#39;) article_text = &#39;\n&#39;.join([para.get_text(strip=True) for para in paragraphs]) else: raise Exception(f"Failed to fetch the page with status code {response.status_code}") ``` 这段代码会访问给定链接,并尝试找到包含文章主体的部分,将其转换为纯文本字符串存储于变量`article_text`中[^3]。 #### 清洗与预处理数据 对于抓取到的内容,在创建之前通常还需要一些清理工作,比如去除特殊字符、标点符号以及不重要的汇(即所谓的“停用”)。这里可以借助正则表达式或者现成工具包来进行操作。 ```python import re import jieba # 如果是中文,则需分 from sklearn.feature_extraction.stop_words import ENGLISH_STOP_WORDS def clean_text(text): cleaned_text = re.sub(r&#39;\W+&#39;, &#39; &#39;, text.lower()) # 移除非字母数字字符并将所有字母转为小写 words = cleaned_text.split() filtered_words = [w for w in words if not (len(w)<3 or w in ENGLISH_STOP_WORDS)] return &#39; &#39;.join(filtered_words) cleaned_article_text = clean_text(article_text) ``` 如果处理的是中文文本,可能需要用结巴分(`jieba`)一次分处理再继续后续步骤[^1]。 #### 创建对象 准备好干净的文字材料之后就可以着手构建了。设置参数如宽度、高度、背景颜色等来自定义最终呈现效果。 ```python from wordcloud import WordCloud import matplotlib.pyplot as plt wordcloud = WordCloud( width=800, height=400, background_color=&#39;white&#39; ).generate(cleaned_article_text) plt.figure(figsize=(15,7)) plt.imshow(wordcloud, interpolation="bilinear") plt.axis("off") # 不显示坐标轴 plt.show() ``` 上述脚本将会读入经过净化后的文字串,按照设定好的属性绘制出一张美观大方的图片[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值