已知詞頻生成詞雲圖(資料庫到生成詞雲)--generate_from_frequencies(WordCloud)

暮良文王發表於2019-08-06

詞雲圖是根據詞出現的頻率生成詞雲,詞的字型大小表現了其頻率大小。

 

寫在前面:

用wc.generate(text)直接生成詞頻的方法使用很多,所以不再贅述。

但是對於根據generate_from_frequencies()給定詞頻如何畫詞雲圖的資料找了很久,下面只講這種方法。

generate_from_frequencies適用於我已知詞及其對應的詞頻是多少(已有資料庫),不需要分詞的情況下。

官方文件說generate_from_frequencies函式的引數是array of tuple,但是我試了很久都不行,最後發現居然應該是dict 字典形式!

即形如:{ word1: fre1, word2: fre2,  word3: fre3,......,  wordn: fren }

 

注意:

詞雲wordcloud的中文顯示,需要特殊處理,在網上看了不少是說加字型路徑之類的方法我試了都不行,最後只好採用改變編碼的形式才解決好。

fp = pd.read_csv(read_name, encoding='gbk')  # 讀取詞頻csv檔案, 編碼為gbk

 

還有,示例詞雲的輪廓背景圖由china_map.jpg給出,如下圖:

 

一、資料檔案準備

1. support_institution.csv

資料庫欄位分組查詢數量

select support_institution name,count(support_institution) value from nsfc GROUP BY name ORDER BY value DESC;

查詢結果部分截圖:  

 

匯出為csv檔案:support_institution.csv

 

二、匯入模組包

可參考Windows下安裝Python、matplotlib包 及相關
https://blog.csdn.net/mikasa3/article/details/78942650 

1、numpy

2、pandas

3、wordcloud

4、matplotlib

 

三、完整程式碼

import numpy as np
import pandas as pd
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
from PIL import Image


def draw_cloud(read_name):
    image = Image.open('china_map.jpg')  # 作為背景輪廓圖
    graph = np.array(image)
    # 引數分別是指定字型、背景顏色、最大的詞的大小、使用給定圖作為背景形狀
    wc = WordCloud(font_path='simkai.ttf', background_color='black', max_words=100, mask=graph)
    fp = pd.read_csv(read_name, encoding='gbk')  # 讀取詞頻檔案, 因為要顯示中文,故編碼為gbk
    name = list(fp.name)  #
    value = fp.val  # 詞的頻率
    for i in range(len(name)):
        name[i] = str(name[i])
    dic = dict(zip(name, value))  # 詞頻以字典形式儲存
    wc.generate_from_frequencies(dic)  # 根據給定詞頻生成詞雲
    image_color = ImageColorGenerator(graph)
    plt.imshow(wc)
    plt.axis("off")  # 不顯示座標軸
    plt.show()
    wc.to_file('nsfc依託單位詞雲.png')  # 圖片命名


if __name__ == '__main__':
    draw_cloud("support_institution.csv")

 

四、執行結果

 詞雲圖:

 

五、補充:WordCloud的引數詳解

    WordCloud(font_path='',
              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
              )
wordcloud引數

 

font_path : string
# 字型路徑,需要展現什麼字型就把該字型路徑+字尾名寫上,如:font_path = '黑體.ttf'

 
width : int (default=400)
# 輸出的畫布寬度,預設為400畫素


height : int (default=200)
# 輸出的畫布高度,預設為200畫素


prefer_horizontal : float (default=0.90)
# 詞語水平方向排版出現的頻率,預設 0.9 (所以詞語垂直方向排版出現頻率為 0.1 )


mask : nd-array or None (default=None)
# 如果引數為空,則使用二維遮罩繪製詞雲。如果 mask 非空,設定的寬高值將被忽略,遮罩形狀被 mask 取代。除全白(#FFFFFF)的部分將不會繪製,其餘部分會用於繪製詞雲。
# 如:bg_pic = imread('讀取一張圖片.png'),背景圖片的畫布一定要設定為白色(#FFFFFF),然後顯示的形狀為不是白色的其他顏色。可以用ps工具將自己要顯示的形狀複製到一個純白色的畫布上再儲存,就ok了。


scale : float (default=1) 
# 按照比例進行放大畫布,如設定為1.5,則長和寬都是原來畫布的1.5倍。


min_font_size : int (default=4) 
# 顯示的最小的字型大小


font_step : int (default=1)
# 字型步長,如果步長大於1,會加快運算但是可能導致結果出現較大的誤差。


max_words : number (default=200)
# 要顯示的詞的最大個數


stopwords : set of strings or None
# 設定需要遮蔽的詞,如果為空,則使用內建的STOPWORDS


background_color : color value (default=”black”)
# 背景顏色,如background_color='white',背景顏色為白色。


max_font_size : int or None (default=None)
# 顯示的最大的字型大小


mode : string (default=”RGB”)
# 當引數為“RGBA”並且background_color不為空時,背景為透明。


relative_scaling : float (default=.5)
# 詞頻和字型大小的關聯性


color_func : callable, default=None
# 生成新顏色的函式,如果為空,則使用 self.color_func


regexp : string or None (optional)
# 使用正規表示式分隔輸入的文字


collocations : bool, default=True
# 是否包括兩個詞的搭配


colormap : string or matplotlib colormap, default=”viridis”
# 給每個單詞隨機分配顏色,若指定color_func,則忽略該方法。
wordcloud引數詳解

 

 

PS:以下內容可以不看,當然,看我也攔不住 ○( ^皿^)っHiahiahia…

 

上面的中國地圖顯示的詞雲並不好看(可能因為詞語過長),所以補充一個好看的作品(*^▽^*)

2019國務院政府工作報告詞雲。

文字地址:

http://www.gov.cn/guowuyuan/baogao.htm

全文程式碼:

 

# coding:utf-8
import jieba  # 分詞
import matplotlib.pyplot as plt  # 資料視覺化
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS  # 詞雲
import numpy as np  # 科學計算
from PIL import Image  # 處理圖片


def draw_cloud(text, graph, save_name):
    textfile = open(text).read()  # 讀取文字內容
    wordlist = jieba.cut(textfile, cut_all=False)  # 中文分詞
    space_list = " ".join(wordlist)  # 連線詞語
    backgroud = np.array(Image.open(graph))  # 背景輪廓圖
    mywordcloud = WordCloud(background_color="white",  # 背景顏色
                            mask=backgroud,  # 寫字用的背景圖,從背景圖取顏色
                            max_words=100,  # 最大詞語數量
                            stopwords=STOPWORDS,  # 停用詞
                            font_path="simkai.ttf",  # 字型
                            max_font_size=200,  # 最大字型尺寸
                            random_state=50,  # 隨機角度
                            scale=2,
                            collocations=False,  # 避免重複單詞
                            )
    mywordcloud = mywordcloud.generate(space_list)  # 生成詞雲
    ImageColorGenerator(backgroud)  # 生成詞雲的顏色
    plt.imsave(save_name, mywordcloud)  # 儲存圖片
    plt.imshow(mywordcloud)  # 顯示詞雲
    plt.axis("off")  # 關閉儲存
    plt.show()


if __name__ == '__main__':
    draw_cloud(text="government.txt", graph="china_map.jpg", save_name='2019政府工作報告詞雲.png')

 

 詞雲圖:

 

相關文章