一、簡介詞雲圖是文本挖掘中用來表徵詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞：！ 圖1 詞雲圖示例 在Python中有很多可視化框架可以用來製作詞雲圖，如pyecharts，但這些框架並不是專門用於製作詞雲圖的，因此並不支持更加個性化的製圖需求，要想創作出更加美觀個性的詞雲圖，需 ...
一、簡介詞雲圖是文本挖掘中用來表徵詞頻的數據可視化圖像，通過它可以很直觀地展現文本數據中地高頻詞：！
圖1 詞雲圖示例 在Python中有很多可視化框架可以用來製作詞雲圖，如pyecharts，但這些框架並不是專門用於製作詞雲圖的，因此並不支持更加個性化的製圖需求，要想創作出更加美觀個性的詞雲圖，需要用到一些專門繪製詞雲圖的第三方模塊，本文就將針對其中較為優秀易用的wordcloud以及stylecloud的用法進行介紹和舉例說明。 二、利用wordcloud繪製詞雲圖wordcloud是Python中製作詞雲圖比較經典的一個模塊，賦予用戶高度的自由度來創作詞雲圖：
圖2 wordcloud製作詞雲圖示例 2.1 從一個簡單的例子開始 這裡我們使用到來自wordcloud官方文檔中的constitution.txt來作為可視化的數據素材：
圖3 constitution.txt 首先我們讀入數據並將數據清洗成空格分隔的長字元串： import re with open(‘constitution.txt’) as c: ‘’’抽取文本中的英文部分並小寫化，並將空格作為分隔拼接為長字元串’’’ text = ‘ ‘.join([word.group().lower() for word in re.finditer(‘[a-zA-Z]+’, c.read())]) ‘’’查看前100個字元’’’ text[:500]
圖4 清洗後的片段文本 接著使用wordcloud中用於生成詞雲圖的類WordCloud配合matplotlib，在預設參數設置下生成一張簡單的詞雲圖： from wordcloud import WordCloud import matplotlib.pyplot as plt %matplotlib inline ‘’’從文本中生成詞雲圖’’’ wordcloud = WordCloud().generate(text) plt.figure(figsize=[12, 10]) plt.imshow(wordcloud) plt.axis(‘off’) plt.show() 生成的詞雲圖:
圖5 預設參數下的詞雲圖 畢竟是在預設參數下生成的詞雲圖，既醜陋又模糊，為了繪製好看的詞雲圖，接下來我們來對wordcloud繪製詞雲圖的細節內容進行介紹，並不斷地對圖5進行升級改造。 2.2 WordCloud 作為wordcloud繪製詞雲圖最核心的類，WordCloud的主要參數及說明如下： fontpath：字元型，用於傳入本地特定字體文件的路徑（ttf或otf文件）從而影響詞雲圖的字體族width：int型，用於控制詞雲圖畫布寬度，預設為400height：int型，用於控制詞雲圖畫布高度，預設為200prefer_horizontal：float型，控制所有水平顯示的文字相對於豎直顯示文字的比例，越小則詞雲圖中豎直顯示的文字越多mask：傳入蒙版圖像矩陣，使得詞雲的分佈與傳入的蒙版圖像一致contour：float型，當mask不為None時，contour參數決定了蒙版圖像輪廓線的顯示寬度，預設為0即不顯示輪廓線contour_color：設置蒙版輪廓線的顏色，預設為’black’scale：當畫布長寬固定時，按照比例進行放大畫布，如scale設置為1.5，則長和寬都是原來畫布的1.5倍min_font_size：int型，控制詞雲圖中最小的詞對應的字體大小，預設為4max_font_size：int型，控制詞雲圖中最大的詞對應的字體大小，預設為200max_words：int型，控制一張畫布中最多繪製的詞個數，預設為200stopwords：控制繪圖時忽略的停用詞，即不繪製停用詞中提及的詞，預設為None，即調用自帶的停用詞表（僅限英文，中文需自己提供並傳入）background_color：控制詞雲圖背景色，預設為’black’mode：當設置為’RGBA’且background_color設置為None時，背景色變為透明，預設為’RGB’relative_scaling：float型，控制詞雲圖繪製字的字體大小與對應字詞頻的一致相關性，當設置為1時完全相關，當為0時完全不相關，預設為0.5color_func：傳入自定義調色盤函數，預設為Nonecolormap：對應matplotlib中的colormap調色盤，預設為viridis，這個參數與參數color_func互斥，當color_func有函數傳入時本參數失效repeat：bool型，控制是否允許一張詞雲圖中出現重覆詞，預設為False即不允許重覆詞random_state：控制隨機數水平，傳入某個固定的數字之後每一次繪圖文字佈局將不會改變 瞭解了上述參數的意義之後，首先我們修改背景色為白色，增大圖床的長和寬，加大scale以提升圖片的精細程度，並使得水平顯示的文字儘可能多： ‘’’從文本中生成詞雲圖’’’wordcloud = WordCloud(background_color=‘white’, # 背景色為白色 height=400, # 高度設置為400 width=800, # 寬度設置為800 scale=20, # 長寬拉伸程度設置為20 prefer_horizontal=0.9999).generate(text)plt.figure(figsize=[8, 4])plt.imshow(wordcloud)plt.axis(‘off’)‘’’保存到本地’’’plt.savefig(‘圖6.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)plt.show()
圖6 可以看到相較於圖5，在美觀程度上有了很大的進步，接下來，我們在圖6的基礎上添加美國本土地圖蒙版：
圖7 美國本土地圖蒙版 利用PIL模塊讀取我們的美國本土地圖蒙版.png文件並轉換為numpy數組，作為WordCloud的mask參數傳入： from PIL import Imageimport numpy as npusa_mask = np.array(Image.open(‘美國本土地圖蒙版.png’))‘’’從文本中生成詞雲圖’’’wordcloud = WordCloud(background_color=‘white’, # 背景色為白色 height=4000, # 高度設置為400 width=8000, # 寬度設置為800 scale=20, # 長寬拉伸程度程度設置為20 prefer_horizontal=0.9999, mask=usa_mask # 添加蒙版 ).generate(text)plt.figure(figsize=[8, 4])plt.imshow(wordcloud)plt.axis(‘off’)‘’’保存到本地’’’plt.savefig(‘圖8.jpg’, dpi=600, bbox_inches=‘tight’, quality=95)plt.show()
圖8 可以看到圖8在圖6的基礎上進一步提升了美觀程度，接下來我們利用wordcloud中用於從圖片中提取調色方案的類ImageColorGenerator來從下麵的星條旗美國地圖蒙版中提取色彩方案，進而反饋到詞雲圖上：
圖9 美國地圖蒙版星條旗色 from PIL import Image import numpy as np from wordcloud import ImageColorGenerator usamask = np.array(Image.open(‘美國地圖蒙版星條旗色.png’)) image_colors = ImageColorGenerator(usa_mask) ‘’’從文本中生成詞雲圖’’’ wordcloud = WordCloud(background_color=‘white’, # 背景色為白色 height=400, # 高度設置為400 width=800, # 寬度設置為800 scale=20, # 長寬拉伸程度程度設置為20 prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2 mask=usa_mask, # 添加蒙版 max_words=1000, # 設置最大顯示字數為1000 relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3 max_font_size=80 # 縮小最大字體為80 ).generate(text) plt.figure(figsize=[8, 4]) plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1) plt.axis(‘off’) ‘’’保存到本地’’’ plt.savefig(‘圖10.jpg’, dpi=600, bbox_inches=‘tight’, quality=95) plt.show()
圖10 2.3 中文詞雲圖 相較於英文文本語料，中文語料處理起來要麻煩一些，我們需要先進行分詞等預處理才能進行下一步的處理，這裡我們使用某外賣平臺用戶評論數據，先讀取進來看看： import pandas as pd import jieba ‘’’讀入原始數據’’’ raw_comments = pd.read_csv(‘waimai_10k.csv’);raw_comments.head()
圖11 接下來我們利用re、jieba以及pandas中的apply對評論列進行快速清洗： ‘’’導入停用詞表’’’ with open(‘stopwords.txt’) as s: stopwords = set([line.replace(‘\n’, ‘’) for line in s]) ‘’’傳入apply的預處理函數，完成中文提取、分詞以及多餘空格剔除’’’ def preprocessing(c): c = [word for word in jieba.cut(‘ ‘.join(re.findall(‘[\u4e00-\u9fa5]+’, c))) if word != ‘ ‘ and word not in stopwords] return ‘ ‘.join(c) ‘’’將所有語料按空格拼接為一整段文字’’’ comments = ‘ ‘.join(raw_comments[‘review’].apply(preprocessing));comments[:500] 得到的結果如圖12：
圖12 這時我們就得到所需的文本數據，接下來我們用美團外賣的logo圖片作為蒙版繪製詞雲圖：
圖13 美團外賣logo蒙版 from PIL import Image import numpy as np from wordcloud import ImageColorGenerator waimai_mask = np.array(Image.open(‘美團外賣logo蒙版.png’)) image_colors = ImageColorGenerator(waimai_mask) ‘’’從文本中生成詞雲圖’’’ wordcloud = WordCloud(background_color=‘white’, # 背景色為白色 height=400, # 高度設置為400 width=800, # 寬度設置為800 scale=20, # 長寬拉伸程度程度設置為20 prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2 mask=waimai_mask, # 添加蒙版 max_words=1000, # 設置最大顯示字數為1000 relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3 max_font_size=80 # 縮小最大字體為80 ).generate(comments) plt.figure(figsize=[8, 4]) plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1) plt.axis(‘off’) ‘’’保存到本地’’’ plt.savefig(‘圖14.jpg’, dpi=600, bbox_inches=‘tight’, quality=95) plt.show() 這時我們會發現詞雲圖上繪製出的全是亂碼，這是因為matplotlib預設字體是不包含中文的：
圖14 中文亂碼問題 這時我們只需要為WordCloud傳入font_path參數即可，這裡我們選擇SimHei字體： from PIL import Image import numpy as np from wordcloud import ImageColorGenerator waimai_mask = np.array(Image.open(‘美團外賣logo蒙版.png’)) image_colors = ImageColorGenerator(waimai_mask) ‘’’從文本中生成詞雲圖’’’ wordcloud = WordCloud(font_path=‘SimHei.ttf’, # 定義SimHei字體文件 background_color=‘white’, # 背景色為白色 height=400, # 高度設置為400 width=800, # 寬度設置為800 scale=20, # 長寬拉伸程度程度設置為20 prefer_horizontal=0.2, # 調整水平顯示傾向程度為0.2 mask=waimai_mask, # 添加蒙版 max_words=1000, # 設置最大顯示字數為1000 relative_scaling=0.3, # 設置字體大小與詞頻的關聯程度為0.3 max_font_size=80 # 縮小最大字體為80 ).generate(comments) plt.figure(figsize=[8, 4]) plt.imshow(wordcloud.recolor(color_func=image_colors), alpha=1) plt.axis(‘off’) ‘’’保存到本地’’’ plt.savefig(‘圖15.jpg’, dpi=600, bbox_inches=‘tight’, quality=95) plt.show()
圖15 三、利用stylecloud繪製詞雲圖stylecloud是一個較為嶄新的模塊，它基於wordcloud，添加了一系列的嶄新特性譬如漸變顏色等，可以支持更為個性化的詞雲圖創作：
圖16 styleword製作詞雲圖示例 3.1 從一個簡單的例子開始 這裡我們沿用上一章節中使用過的處理好的text來繪製詞雲圖： import stylecloud from IPython.display import Image # 用於在jupyter lab中顯示本地圖片 ‘’’生成詞雲圖’’’ stylecloud.gen_stylecloud(text=text, size=512, output_name=‘圖17.png’) ‘’’顯示本地圖片’’’ Image(filename=‘圖17.png’)
圖17 可以看出，styleword生成詞雲圖的方式跟wordcloud不同，它直接就將原始文本轉換成本地詞雲圖片文件，下麵我們針對其繪製詞雲圖的細節內容進行介紹。 3.2 gen_stylecloud 在stylecloud中繪製詞雲圖只需要gen_stylecloud這一個函數即可，其主要參數及說明如下： text：字元串，格式同WordCloud中的generate()方法中傳入的textgradient：控制詞雲圖顏色漸變的方向，’horizontal’表示水平方向上漸變，’vertical’表示豎直方向上漸變，預設為’horizontal’ size：控制輸出圖像文件的解析度（因為stylecloud預設輸出方形圖片，所以size傳入的單個整數代表長和寬），預設為512 icon_name：這是stylecloud中的特殊參數，通過傳遞對應icon的名稱，你可以使用多達1544個免費圖標來作為詞雲圖的蒙版，點擊這裡查看你可以免費使用的圖標蒙版樣式，預設為’fas fa-flag’ palette：控制調色方案，stylecloud的調色方案調用了palettable，這是一個非常實用的模塊，其內部收集了數量驚人的大量的經典調色方案，預設為’cartocolors.qualitative.Bold_5’ background_color：字元串，控制詞雲圖底色，可傳入顏色名稱或16進位色彩，預設為’white’ max_font_size：同wordcloudmax_words：同wordcloudstopwords：bool型，控制是否開啟去停用詞功能，預設為True，調用自帶的英文停用詞表 custom_stopwords：傳入自定義的停用詞List，配合stopwords共同使用 output_name：控制輸出詞雲圖文件的文件名，預設為stylecloud.pngfont_path：傳入自定義字體*.ttf文件的路徑 random_state：同wordcloud 對上述參數有所瞭解之後，下麵我們在圖17的基礎上進行改良，首先我們將圖標形狀換成炸彈的樣子，接著將配色方案修改為scientific.diverging.Broc_3： ‘’’生成詞雲圖’’’ stylecloud.gen_stylecloud(text=text, size=1024, output_name=‘圖18.png’, palette=‘scientific.diverging.Broc_3’, # 設置配色方案 icon_name=‘fas fa-bomb’ # 設置圖標樣式 ) ‘’’顯示本地圖片’’’ Image(filename=‘圖18.png’)
圖18 3.3 繪製中文詞雲圖 在wordcloud中繪製中文詞雲圖類似wordcloud只需要註意傳入支持中文的字體文件
