[python] wordcloud 模块

了解 python 时，别人会告诉你 python 的一个十分常见的作用就是“大数据分析”。不过接触了 python 的基础语法之后，你可能觉得它好像与“数据处理”没有太多的关系。的确， python 基础模块的功能较为有限，不过 python 的强大之处其实在于它丰富多彩的第三方模块。在 PyPI 这个平台上，你可以看到绝大多数第三方模块的资料。而今天我们的主角是 wordcloud 模块。

1. wordcloud 模块的安装

不同于其他编程语言， python 安装第三方模块的方法特别简单，只需要用 pip 指令就可以很轻松地完成了：

$ pip install wordcloud

如果提示权限不足，可以使用管理员或是 sudo 指令

如果遇到安装缓慢，或者是连接失败的问题，可以尝试切换为国内源。

2. 生成一个简单的词云

首先我们先随便找一段英文文本，你可以将它放在字符串中，也可以存放在文件里。这里我们就以文件为例。

wordcloud 模块中有三个常用的函数： WordCloud() 、 generate() 、 to_file() 。它们的功能分别如下：

• WordCloud() 生成一个 wordcloud 对象

• generate(string) 从文本中生成结果

• to_file(fileName) 导出到文件（最好是.png格式）

这三个函数的使用顺序是固定的，先定义对象，再生成结果，最后进行导出。

介绍了上面这三个函数之后，我们先用一段代码来演示一下（ in.txt 中的文本可以自己找，但是必须是纯英文的）：

from wordcloud import WordCloud

intxtname = 'in.txt'
outpngname = 'wordcloud.png'

infile = open(intxtname, 'r', encoding="utf-8")
intxt = infile.read()

wc = WordCloud()

wc.generate(intxt)
wc.to_file(outpngname)
infile.close()

运行完成后，可以看到生成了这样一张图片：

怎么样，是不是很神奇。只需要简单的三个函数，我们就能实现一个词云的输出。当然了，如果单纯地使用默认参数，那未免也太单调了。所以我们还需要进行自定义。

3. 自定义词云

在初始化 wordcloud 对象时，我们使用的是 WordCloud() 函数。之前的设置里面我们没有在其中加入任何参数，不过其实 WordCloud() 函数可是有许多参数的：

• width 指定词云对象生成图片的宽度，默认400像素

• height 指定词云对象生成图片的高度，默认200像素

• min_font_size 指定词云中字体的最小字号，默认为4

• max_font_size 指定词云中字体的最大字号，根据高度自动调节

• font_step 指定词云中字体字号的相差间隔，默认为1

• font_path 指定字体文件的路径，默认None（可以将字体文件放在统一目录下引用）

• max_words 指定词云显示的最大单词数量，默认200

• background_color 指定词云图片的背景颜色，默认为黑色，若要指定为白色，可设置为： wc=wordcloud.WordCloud(background_color = “white”)

• mask 设定词云的遮罩（限定词云的形状）

所以，让我们试试将输出的图片改大一些。背景换为白色。

wc = WordCloud(height=600, width=800, background_color='white')

我们应该会得到如下的图片：

是不是看起来比上面的黑色图片好多了。可能你会发现这个词云中没有 200 个单词。其实这是因为我挑的文本过短，而且 wordcloud 本身会过滤一些较短的单词，所以导致最后输出的结果较少了。

那么还有个 mask 属性没有讲，因为它比上面这些稍微复杂一些，所以我们单独整理：

4. 为词云设置 mask 属性

为词云设置 mask 属性时，我们需要用到 scipy.misc 模块中的 imread 这个函数。它是一个图像操作的模块，在这里我们只需要知道它可以读取一个图像就行了。

让我们看一下下面这样一个代码：

from wordcloud import WordCloud
from scipy.misc import imread
mask = imread(“WWDC18.png”)

intxtname = 'in.txt'
outpngname = 'WWDC18wordcloud.png'

infile = open(intxtname, 'r', encoding="utf-8")
intxt = infile.read()

wc = WordCloud(height=600, width=800, background_color='white', mask=mask)

wc.generate(intxt)
wc.to_file(outpngname)
infile.close()

可以看到，我们需要先导入 imread，然后用 imread 读取一个图片文件。之后我们将读取到的文件设置为 wordcloud 对象的 mask 属性。那这样可以实现怎么样的一个效果呢？

它可以读入上面这样一个图片，最后输出以下的图案：

只需要多加几步，便可以实现遮罩的效果了。 wordcloud 这个模块的一个特点就是简单易用。

结语

这样我们就完成了 wordcloud 的简单介绍了。当然，它还有许多更高级的用法，比如让生成的词云颜色符合原图的颜色，给遮罩描边等功能，都可以在它的 GitHub 示例中找到： A little word cloud generator in Python