简单示例
from
matplotlib
import
pyplot as plt
from
wordcloud
import
WordCloud
filename
=
"
text.txt
" #文本路径
with open(filename,encoding
=
"
utf-8
"
) as f:
data
=
f.read()
font
= r
'
C:\Windows\Fonts\FZSTK.TTF
'
wc
= WordCloud(font_path=font,
#
如果是中文必须要添加字体
background_color=
'
white
'
,
width
=1000
,
height
=800
,
).generate(data)
wc.to_file(
'
ss.png
'
)
#
保存图片
plt.imshow(wc)
#
用plt显示图片
plt.axis(
'
off
'
)
#
不显示坐标轴
plt.show()
#
显示图片
#
wc.to_file('img.jpg') #保存图片
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
：
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。
函数
：
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
在不同形状黑白图像上显示
import
jieba
from
matplotlib
import
pyplot as plt
from
wordcloud
import
WordCloud
from
PIL
import
Image
import
numpy as np
font
= r
'
C:\Windows\Fonts\FZSTK.TTF
'
#
字体路径
text
= (open(r
'
text.txt
'
,
'
r
'
, encoding=
'
utf-8
'
)).read()
cut
= jieba.cut(text)
#
分词
string =
'
'
.join(cut)
#
将词语连接起来，以空格为连接词
img = Image.open(r
'
background.jpg
'
)
#
打开背景图片
img_array = np.array(img)
#
将图片装换为数组
stopword = [
'
xa0
'
]
#
设置停止词，也就是你不想显示的词
wc =
WordCloud(
background_color
=
'
white
'
,
width
=1000
,
height
=800
,
mask
=
img_array,
font_path
=
font,
)
wc.generate_from_text(string)
#
绘制图片
plt.imshow(wc)
plt.axis(
'
off
'
)
plt.show()
#
显示图片
wc.to_file(r
'
new.png
'
)
#
保存图片
