wordcloud 库使用

wordcloud 库使用

ps:

　　当前python版本

　　

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import wordcloud

# 基本使用，将文字转换为图的形式显示
text = '先提取项目的名称，再用Jieba分词后提取词汇；过滤掉“研发”、“系列”等无意义的词；最后用WordCloud 绘制词云。'
image_path = "222.jpg"
img = mpimg.imread(image_path)

c = wordcloud.WordCloud(
    # prefer_horizontal=0.5,                #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 ）
    scale=4,                                #默认为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
    background_color='white',               #背景颜色
    # width=400,                            #生成的图片宽度
    # height=300,                           #生成的图片高度
    # min_font_size=10,                     #指定词云中字体的最小字号，默认4号
    # max_font_size=20,                     #指定词云中字体的最大字号，根据高度自动调节
    # font_step=2,                          #指定词云中字体字号的步进间隔，默认为1
    font_path=r'D:python_projectT1msyhl.ttc',    #指定字体文件的路径，默认None
    # max_words=5,                          #指定词云显示的最大单词数量，默认200
    # stopwords=[],                         #指定词云的排除词列表，即不显示的单词列表
    mask=img,                               #指定词云形状，默认为长方形，需要引用imread()函数
    collocations=1,                         #bool, default=True 是否包括两个词的搭配
    colormap='viridis',                     #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
    random_state=None                       #int or None  #为每个单词返回一个PIL颜色
    # regexp=None                           #string or None (optional)使用正则表达式分隔输入的文本
)
# c.generate_from_frequencies(items2)       #根据词频生成词云
c.generate(text)                            #根据文本生成词云
# c.generate_from_text(text)                #根据文本生成词云
# c.fit_words(frequencies)                  #根据词频生成词云
# c.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) ）
# c.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
# c.to_array()  #转化为 numpy array
# c.to_file(filename)   #输出到文件

# 保存为图片
# c.to_file("pyworldcloud.png")

# 打印显示图片
plt.imshow(c)
# 去除刻度尺
plt.axis("off")
plt.show()