建筑兔零基础自学python记录27|实战词云可视化项目——图片形状+颜色映射5

本次我们先尝试一下更长的文本，这次用《天龙八部》的全本形成词云。经过下面这一串虚词的过滤，我们得到了全文出现最多的人物，按词云排序是段誉＞虚竹＞萧峰＞乔峰＞慕容复、王语嫣

stopwords={'的','了','是','在','有','就是','中','这个','它','也','上','已经','被','与','他','可以','着','都','和','个','而','便','又','她','我','自己','却','将','但','你','那','说','要','这','一个','见','来','不','说道','去','人','已','向','给','得','就','想','听','出来','到','什么','瞧','只','对','不是','跟'}

 我们也可以尝试用西游记来看一下词云，尝试后发现都需要对文本内部分词汇进行筛除，但首次运行的结果往往也有可取之处。

加轮廓线

 下图为尼罗河上的惨案的词云，这次我们在词云外加了轮廓，但是轮廓效果不是很好。翻看了一下别人的经验要图小一些才相对好一点。

stopwords={'said','S','Yes','one','got','will','the','a','and','you','to','she','her','that','of','he','it','I','was','is','with','but','in','all','have','for','on','not','as'}

加轮廓代码如下，主要是在WordCloud(contour_width=1,contour_color='steelblue')添加了contour命令：

import wordcloud
import imageio

string = open('尼罗河上的惨案.txt',encoding='utf-8').read()
mk = imageio.v2.imread('white cat.jpg')

stopwords={'said','S','Yes','one','got','will','the','a','and','you','to','she','her','that','of','he','it','I','was','is','with','but','in','all','have','for','on','not','as'}
w = wordcloud.WordCloud(background_color='white',
                        font_path='msyh.ttc',
                        stopwords=stopwords,
                        mask=mk,
                        scale=0.5
                        contour_width=1,
                        contour_color='steelblue')

w.generate(string)

w.to_file('output3-sentenceA2.png')

根据图片形状+颜色映射词云

终于回到正题，让我们来尝试根据图片形状+颜色映射词云。源代码如下：

import matplotlib.pyplot as plt
from wordcloud import WordCloud,ImageColorGenerator
import imageio

text = open('封神演义.txt',encoding='utf-8').read()
mk = imageio.v2.imread('nz.jpg')

stopwords={'的','了','是','在','有','就是','中','这个','它','也','上','已经','被','与','他','可以','着','都','和','个','而','便','又','她','我','自己','却','将','但','你','那','说','要','这','一个','见','来','不','说道','去','人','已','向','给','得','就','想','听','出来','到','什么','瞧','只','对','不是','跟','不一时','怎见得','但见','有诗为证','诗曰','口称'}
w =WordCloud(background_color='white',
                        font_path='msyh.ttc',
                        stopwords=stopwords,
                        mask=mk,
                        scale=15)

w.generate(text)

image_colors = ImageColorGenerator(mk)

fig, axes = plt.subplots(1, 3)
axes[0].imshow(w)
axes[1].imshow(w.recolor(color_func=image_colors), interpolation="bilinear")
axes[2].imshow(mk)
for ax in axes:
    ax.set_axis_off()
plt.show()

w_color.to_file('output4.jpg')

可得运行结果：

代码解读：

from wordcloud import WordCloud, ImageColorGenerator

       从 wordcloud 库中导入了两个类：WordCloud 和 ImageColorGenerator。WordCloud 类创建词云对象，ImageColorGenerator 类从图像中提取颜色信息

image_colors = ImageColorGenerator(mk)

       从图像中提取颜色信息

这一段代码有点熟悉，这里用到了把3个图合并在一起显示的办法。

fig, axes = plt.subplots(1, 3)
axes[0].imshow(w)
axes[1].imshow(w.recolor(color_func=image_colors), interpolation="bilinear")
axes[2].imshow(mk)
for ax in axes:
    ax.set_axis_off()
plt.show()

 之前我们学过，复习一下：建筑兔零基础自学python记录4|将多条函数图分解为几个图-CSDN博客

 我们再来拓展一下之前见过imshow()的用法：

（1）imshow()

• X：必选参数，代表要显示的图像数据。
• cmap=None：可选参数，用于指定颜色映射（colormap）。当显示的图像是灰度图像（二维数组）时，可以通过该参数指定不同的颜色映射方案，如 'gray' 表示灰度映射。（注：颜色表达时需要用'  '单引号，如cmap='gray'）
• interpolation=None：可选参数，用于指定图像的插值方法。
• aspect=None：可选参数，用于设置图像的纵横比。 'equal' 表示保持图像的原始纵横比。
• origin=None：可选参数，用于指定图像的原点位置。可以是 'upper'（默认值，表示原点在图像的左上角）或 'lower'（表示原点在图像的左下角）。

（2）imshow 函数图像的插值方法

fig, axes = plt.subplots(1, 3)
axes[0].imshow(w)
axes[1].imshow(w.recolor(color_func=image_colors), interpolation="bilinear")
axes[2].imshow(mk)

    interpolation="bilinear" 是在使用 matplotlib 库的 imshow 函数显示图像时的一个参数设置。interpolation 参数用于指定图像的插值方法，即当图像被缩放显示时，如何处理像素之间的过渡。"bilinear"：这是一种插值方法，称为双线性插值。双线性插值通过对相邻像素进行加权平均来计算新像素的值，能够在图像缩放时提供相对平滑的过渡效果，使图像看起来更加自然，减少锯齿状边缘，提高图像显示的质量。 

    可以看到这一段代码是要画1行3列图:

• 图1是w,也就是按照默认颜色生成的黄绿词云
• 图2要按照给定图片颜色，线性插值放缩
• 图3显示原图

（3）关闭 axes 数组中所有子图的坐标轴显示

for ax in axes:
    ax.set_axis_off()

   for 循环，其主要功能是关闭 axes 数组中所有子图的坐标轴显示。在使用 matplotlib 库绘制多个子图时，默认情况下每个子图都会显示坐标轴，包括刻度线、刻度标签和坐标轴边框等。

  如果没有关闭坐标轴则会显示为：

整段代码解释：

import matplotlib.pyplot as plt
#导入两个类WordCloud类创建词云对象，ImageColorGenerator类从图像中提取颜色信息
from wordcloud import WordCloud,ImageColorGenerator
import imageio

text = open('封神演义.txt',encoding='utf-8').read()
mk = imageio.v2.imread('sgb.jpg')

stopwords={'的','了','是','在','有','就是','中','这个','它','也','上','已经','被','与','他','可以','着','都','和','个','而','便','又','她','我','自己','却','将','但','你','那','说','要','这','一个','见','来','不','说道','去','人','已','向','给','得','就','想','听','出来','到','什么','瞧','只','对','不是','跟','不一时','怎见得','但见','有诗为证','诗曰','口称'}
w =WordCloud(background_color='white',
                        font_path='msyh.ttc',
                        stopwords=stopwords,
                        mask=mk,
                        scale=15)

w.generate(text)

#从图像中提取颜色信息
image_colors = ImageColorGenerator(mk)

#创建1行3列图
fig, axes = plt.subplots(1, 3)
#图1为默认显示词云
axes[0].imshow(w)
#图2为图片颜色词云，双线性插值放缩
axes[1].imshow(w.recolor(color_func=image_colors), interpolation="bilinear")
#显示原图
axes[2].imshow(mk)

#关闭默认坐标轴显示
for ax in axes:
    ax.set_axis_off()
plt.show()

w_color.to_file('output5.jpg')

（4）总结：

from wordcloud import WordCloud, ImageColorGenerator

image_colors = ImageColorGenerator(mk)

     从 wordcloud 库中导入了两个类：WordCloud 类创建词云对象，ImageColorGenerator 类从图像中提取颜色信息

imshow(cmap='gray',interpolation='bilinear')

关闭 axes 数组中所有子图的坐标轴显示

for ax in axes:
    ax.set_axis_off()

应用：我们再尝试几个词云：

 大家一起来试试吧~