wordcloud的方法参数归纳汇总

1.wordcloud下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

 CTRL+f搜索关键字，我下载的是这个，你要根据自己的python版本选择下载，放到一个目录下，在pycharm中找到目录进行pip

2，wordcloud的方法参数归纳汇总（重点）：

wordcloud.WordCloud类:

class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None,background_color='black', max_font_size=None, font_step=1, mode='RGB', relative_scaling=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)

参数解读：

1.  参数：
2.  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'
3.  width : int (default=400) //输出的画布宽度，默认为400像素
4.  height : int (default=200) //输出的画布高度，默认为200像素
5.  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 ）
6.  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。
7.  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。
8.  min_font_size : int (default=4) //显示的最小的字体大小
9.  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。
10.  max_words : number (default=200) //要显示的词的最大个数
11.  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
12.  background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
13.  max_font_size : int or None (default=None) //显示的最大的字体大小
14.  mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
15.  relative_scaling : float (default=.5) //词频和字体大小的关联性
16.  color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
17.  regexp : string or None (optional) //使用正则表达式分隔输入的文本
18.  collocations : bool, default=True //是否包括两个词的搭配
19.  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。
20.  
21.  函数：
22.  fit_words(frequencies) //根据词频生成词云
23.  generate(text) //根据文本生成词云
24.  generate_from_frequencies(frequencies[, ...]) //根据词频生成词云
25.  generate_from_text(text) //根据文本生成词云
26.  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) ）
27.  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。
28.  to_array() //转化为 numpy array
29.  to_file(filename) //输出到文件

3.figure语法及操作

(1)figure语法说明

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

1. 1. num:图像编号或名称，数字为编号 ，字符串为名称
   2. figsize:指定figure的宽和高，单位为英寸；
   3. dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80      1英寸等于2.5cm,A4纸是 21*30cm的纸张 
   4. facecolor:背景颜色
   5. edgecolor:边框颜色
   6. frameon:是否显示边框

(2)例子:

import matplotlib.pyplot as plt    #创建自定义图像

fig=plt.figure(figsize=(4,3),facecolor='blue')

plt.show()

4，实例案例：

import jieba  # 分词
from matplotlib import pyplot as plt  # 绘图，数据可视化
from wordcloud import WordCloud  # 词云
from PIL import Image  # 图片处理
import numpy as np  # 矩阵运算
import sqlite3  # 数据库

# 分词
cut = jieba.cut(text)  # text为你需要分词的字符串/句子
string = ' '.join(cut)  # 将分开的词用空格连接
# print(len(string))    显示分词长度

img = Image.open(r'.\static\assets\img\tree.jpg')  # 打开遮罩图片
img_array = np.array(img)  # 将图片转化为数组
wc = WordCloud(
    background_color='white',  # 输出图片背景色
    mask=img_array,  # 要进行遮罩的图片，数组
    font_path='msyh.ttc'  # 字体所在位置：C:\Windos\Fonts
)
wc.generate_from_text(string)  # 根据文本生成词云

# 绘制图片
fig = plt.figure(1)  # 找第一个位置，并把它绘制出来
plt.imshow(wc)  # 用plt显示图片
plt.axis('off')  # 是否显示坐标轴

# plt.show()  # 显示生成的词云图片
plt.savefig(r'.\static\assets\img\word.jpg', dpi=400)  # 保存图片，清晰度为400


效果图：

转载博客：https://www.cnblogs.com/huangchenggener/p/10954920.html

转载博客：https://blog.csdn.net/weixin_39778003/article/details/112178432