Python版本的詞云生成模塊從2015年的v1.0到現在，已經更新到了v1.7。

下載請移步至：https://pypi.org/project/wordcloud/

wordcloud簡單應用：

import jieba import wordcloudw = wordcloud.WordCloud(width=600,height=600,background_color='white',font_path='msyh.ttc' ) text = '看到此標題，我也是感慨萬千 首先弄清楚搞IT和被IT搞，誰是搞IT的？馬云就是，馬化騰也是，劉強東也是，他們都是叫搞IT的， 但程序員只是被IT搞的人，可以比作蓋樓砌磚的泥瓦匠，你想想，四十歲的泥瓦匠能跟二十左右歲的年輕人較勁嗎？如果你是老板你會怎么做？程序員只是技術含量高的泥瓦匠，社會是現實的，社會的現實是什么？利益驅動。當你跑的速度不比以前快了時，你就會被挨鞭子趕，這種窘境如果在做程序員當初就預料到的話，你就會知道，到達一定高度時，你需要改變行程。 程序員其實真的不是什么好職業，技術每天都在更新，要不停的學，你以前學的每天都在被淘汰，加班可能是標配了吧。 熱點，你知道什么是熱點嗎？社會上啥熱就是熱點，我舉幾個例子：在早淘寶之初，很多人都覺得做淘寶能讓自己發展，當初的規則是產品按時間輪候展示，也就是你的商品上架時間一到就會被展示，不論你星級多高。這種一律平等的條件固然好，但淘寶隨后調整了顯示規則，對產品和店鋪，銷量進行了加權，一下導致小賣家被弄到了很深的胡同里，沒人看到自己的產品，如何賣？做廣告費用也非常高，入不敷出，想必做過淘寶的都知道，再后來淘寶弄天貓，顯然，天貓是上檔次的商城，不同于淘寶的擺地攤，因為攤位費漲價還鬧過事，鬧也白鬧，你有能力就弄，沒能力就淘汰掉。前幾天淘寶又推出C2M,客戶反向定制，客戶直接掛鉤大廠家，沒你小賣家什么事。 后來又出現了微商，在微商出現當天我就知道這東西不行，它比淘寶假貨還下三濫.我對TX一直有點偏見，因為騙子都使用QQ 我說這么多只想說一個事，世界是變化的，你只能適應變化，否則就會被淘汰。 還是回到熱點這個話題，育兒嫂這個職位有很多人了解嗎？前幾年放開二胎后，這個職位迅速串紅，我的一個親戚初中畢業，現在已經月入一萬五，職務就是照看剛出生的嬰兒28天，節假日要雙薪。 你說這難到讓我一個男的去當育兒嫂嗎？扯，我只是說熱點問題。你沒踩在熱點上，你賺錢就會很費勁 這兩年的熱點是什么？短視頻，你可以看到抖音的一些作品根本就不是普通人能實現的，說明專業級人才都開始努力往這上使勁了。 我只會編程，別的不會怎么辦？那你就去編程。沒人用了怎么辦？你看看你自己能不能雇傭你自己 學會適應社會，學會改變自己去適應社會 最后說一句：科大訊飛的劉鵬說的是對的。那我為什么還做程序員？他可以完成一些原始積累，只此而已。' new_str = ' '.join(jieba.lcut(text)) w.generate(new_str) w.to_file('x.png')

?下面分析源碼：

wordcloud源碼中生成詞云圖的主要步驟有：

1、分割詞組

2、生成詞云

3、保存圖片

我們從 generate(self, text)切入，發現它僅僅調用了自身對象的一個方法 self.generate_from_text(text)

def generate_from_text(self, text):"""Generate wordcloud from text."""words = self.process_text(text) # 分割詞組self.generate_from_frequencies(words) # 生成詞云的主要方法（重點分析）return self

process_text()源碼如下，處理的邏輯比較簡單：分割詞組、去除數字、去除's、去除數字、去除短詞、去除禁用詞等。

def process_text(self, text):"""Splits a long text into words, eliminates the stopwords.Parameters----------text : stringThe text to be processed.Returns-------words : dict (string, int)Word tokens with associated frequency...versionchanged:: 1.2.2Changed return type from list of tuples to dict.Notes-----There are better ways to do word tokenization, but I don't want toinclude all those things."""flags = (re.UNICODE if sys.version < '3' and type(text) is unicode else 0) regexp = self.regexp if self.regexp is not None else r"\w[\w']+"# 獲得分詞words = re.findall(regexp, text, flags)# 去除 'swords = [word[:-2] if word.lower().endswith("'s") else word for word in words]# 去除數字if not self.include_numbers:words = [word for word in words if not word.isdigit()]# 去除短詞，長度小于指定值min_word_length的詞，被視為短詞，篩除if self.min_word_length:words = [word for word in words if len(word) >= self.min_word_length]# 去除禁用詞stopwords = set([i.lower() for i in self.stopwords])if self.collocations:word_counts = unigrams_and_bigrams(words, stopwords, self.normalize_plurals, self.collocation_threshold)else:# remove stopwordswords = [word for word in words if word.lower() not in stopwords]word_counts, _ = process_tokens(words, self.normalize_plurals)return word_counts

重頭戲來了

generate_from_frequencies(self, frequencies, max_font_size=None) 方法體內的代碼比較多，總體上分為以下幾步：

1、排序

2、詞頻歸一化

3、創建繪圖對象

4、確定初始字體大小（字號）

5、擴展單詞集

6、確定每個單詞的字體大小、位置、旋轉角度、顏色等信息

源碼如下（根據個人理解已添加中文注釋）：

def generate_from_frequencies(self, frequencies, max_font_size=None):"""Create a word_cloud from words and frequencies.Parameters----------frequencies : dict from string to floatA contains words and associated frequency.max_font_size : intUse this font-size instead of self.max_font_sizeReturns-------self"""# make sure frequencies are sorted and normalized# 1、排序# 對“單詞-頻率”列表按頻率降序排序frequencies = sorted(frequencies.items(), key=itemgetter(1), reverse=True)if len(frequencies) <= 0:raise ValueError("We need at least 1 word to plot a word cloud, ""got %d." % len(frequencies))# 確保單詞數在設置的最大范圍內，超出的部分被舍棄掉frequencies = frequencies[:self.max_words]# largest entry will be 1# 取第一個單詞的頻率作為最大詞頻max_frequency = float(frequencies[0][1])# 2、詞頻歸一化# 把所有單詞的詞頻歸一化，由于單詞已經排序，所以歸一化后應該是這樣的：[('xxx', 1),('xxx', 0.96),('xxx', 0.87),...]frequencies = [(word, freq / max_frequency)for word, freq in frequencies]# 隨機對象，用于產生一個隨機數，來確定是否旋轉90度if self.random_state is not None:random_state = self.random_stateelse:random_state = Random()if self.mask is not None:boolean_mask = self._get_bolean_mask(self.mask)width = self.mask.shape[1]height = self.mask.shape[0]else:boolean_mask = Noneheight, width = self.height, self.width# 用于查找單詞可能放置的位置，例如圖片有效范圍內的空白處（非文字區域）occupancy = IntegralOccupancyMap(height, width, boolean_mask)# 3、創建繪圖對象# create imageimg_grey = Image.new("L", (width, height))draw = ImageDraw.Draw(img_grey)img_array = np.asarray(img_grey)font_sizes, positions, orientations, colors = [], [], [], []last_freq = 1.# 4、確定初始字號# 確定最大字號if max_font_size is None:# if not provided use default font_sizemax_font_size = self.max_font_size# 如果最大字號是空的，就需要確定一個最大字號作為初始字號if max_font_size is None:# figure out a good font size by trying to draw with# just the first two wordsif len(frequencies) == 1:# we only have one word. We make it big!font_size = self.heightelse:# 遞歸進入當前函數，以獲得一個self.layout_，其中只有前兩個單詞的詞頻信息# 使用這兩個詞頻計算出一個初始字號self.generate_from_frequencies(dict(frequencies[:2]),max_font_size=self.height)# find font sizessizes = [x[1] for x in self.layout_]try:font_size = int(2 * sizes[0] * sizes[1]/ (sizes[0] + sizes[1]))# quick fix for if self.layout_ contains less than 2 values# on very small images it can be emptyexcept IndexError:try:font_size = sizes[0]except IndexError:raise ValueError("Couldn't find space to draw. Either the Canvas size"" is too small or too much of the image is masked ""out.")else:font_size = max_font_size# we set self.words_ here because we called generate_from_frequencies# above... hurray for good design?self.words_ = dict(frequencies)# 5、擴展單詞集# 如果單詞數不足最大值，則擴展單詞集以達到最大值if self.repeat and len(frequencies) < self.max_words:# pad frequencies with repeating words.times_extend = int(np.ceil(self.max_words / len(frequencies))) - 1# get smallest frequencyfrequencies_org = list(frequencies)downweight = frequencies[-1][1]# 擴展單詞數，詞頻會保持原有詞頻的遞減規則。for i in range(times_extend):frequencies.extend([(word, freq * downweight ** (i + 1))for word, freq in frequencies_org])# 6、確定每一個單詞的字體大小、位置、旋轉角度、顏色等信息# start drawing grey imagefor word, freq in frequencies:if freq == 0:continue# select the font sizers = self.relative_scalingif rs != 0:font_size = int(round((rs * (freq / float(last_freq))+ (1 - rs)) * font_size))if random_state.random() < self.prefer_horizontal:orientation = Noneelse:orientation = Image.ROTATE_90tried_other_orientation = False# 尋找可能放置的位置，如果尋找一次，沒有找到，則嘗試改變文字方向或縮小字體大小，繼續尋找。# 直到找到放置位置或者字體大小超出字號下限while True:# try to find a positionfont = ImageFont.truetype(self.font_path, font_size)# transpose font optionallytransposed_font = ImageFont.TransposedFont(font, orientation=orientation)# get size of resulting textbox_size = draw.textsize(word, font=transposed_font)# find possible places using integral image:result = occupancy.sample_position(box_size[1] + self.margin,box_size[0] + self.margin,random_state)if result is not None or font_size < self.min_font_size:# either we found a place or font-size went too smallbreak# if we didn't find a place, make font smaller# but first try to rotate!if not tried_other_orientation and self.prefer_horizontal < 1:orientation = (Image.ROTATE_90 if orientation is None elseImage.ROTATE_90)tried_other_orientation = Trueelse:font_size -= self.font_steporientation = Noneif font_size < self.min_font_size:# we were unable to draw any morebreak# 收集該詞的信息：字體大小、位置、旋轉角度、顏色x, y = np.array(result) + self.margin // 2# actually draw the text# 此處繪制圖像僅僅用于尋找放置單詞的位置，而不是最終的詞云圖片。詞云圖片是在另一個函數中生成：to_imagedraw.text((y, x), word, fill="white", font=transposed_font)positions.append((x, y))orientations.append(orientation)font_sizes.append(font_size)colors.append(self.color_func(word, font_size=font_size,position=(x, y),orientation=orientation,random_state=random_state,font_path=self.font_path))# recompute integral imageif self.mask is None:img_array = np.asarray(img_grey)else:img_array = np.asarray(img_grey) + boolean_mask# recompute bottom right# the order of the cumsum's is important for speed ?!occupancy.update(img_array, x, y)last_freq = freq# layout_是單詞信息列表，表中每項信息：單詞、頻率、字體大小、位置、旋轉角度、顏色等信息。為后續步驟的繪圖工作做好準備。self.layout_ = list(zip(frequencies, font_sizes, positions,orientations, colors))return self

注意

在第6步確定位置時，程序使用循環和隨機數來查找合適的放置位置，源碼如下。

# 尋找可能放置的位置，如果尋找一次，沒有找到，則嘗試改變文字方向或縮小字體大小，繼續尋找。# 直到找到放置位置或者字體大小超出字號下限while True:# try to find a positionfont = ImageFont.truetype(self.font_path, font_size)# transpose font optionallytransposed_font = ImageFont.TransposedFont(font, orientation=orientation)# get size of resulting textbox_size = draw.textsize(word, font=transposed_font)# find possible places using integral image:result = occupancy.sample_position(box_size[1] + self.margin,box_size[0] + self.margin,random_state)if result is not None or font_size < self.min_font_size:# either we found a place or font-size went too smallbreak# if we didn't find a place, make font smaller# but first try to rotate!if not tried_other_orientation and self.prefer_horizontal < 1:orientation = (Image.ROTATE_90 if orientation is None elseImage.ROTATE_90)tried_other_orientation = Trueelse:font_size -= self.font_steporientation = None

其中?occupancy.sample_position() 是具體尋找合適位置的方法。當你試圖進一步了解其中的奧秘時，卻發現你的【Ctrl＋左鍵】已經無法跳轉到深層代碼了，悲哀的事情還是發生了......o(╥﹏╥)o

在wordcloud.py文件的頂部有這么一行： from .query_integral_image import query_integral_image 而query_integral_image 是一個pyd文件，該文件無法直接查看。有關pyd格式的更多資料，請自行查閱。

再回到 generate_from_frequencies 上來，方法的最后把數據整理到了 self.layout_ 變量里，這里面就是所有詞組繪制時所需要的信息了。然后就可以調用to_file()方法，保存圖片了。

def to_file(self, filename):img = self.to_image()img.save(filename, optimize=True)return self

核心方法?to_image() 就會把self.layout_里的信息依次取出，繪制每一個詞組。

def to_image(self):self._check_generated()if self.mask is not None:width = self.mask.shape[1]height = self.mask.shape[0]else:height, width = self.height, self.widthimg = Image.new(self.mode, (int(width * self.scale),int(height * self.scale)),self.background_color)draw = ImageDraw.Draw(img)for (word, count), font_size, position, orientation, color in self.layout_:font = ImageFont.truetype(self.font_path,int(font_size * self.scale))transposed_font = ImageFont.TransposedFont(font, orientation=orientation)pos = (int(position[1] * self.scale),int(position[0] * self.scale))draw.text(pos, word, fill=color, font=transposed_font)return self._draw_contour(img=img)

?

引申思考：

查找文字合適的放置該怎樣實現呢？（注意：文字筆畫的空隙里也是可以放置更小一字號的文字）

?

~ End ~

總結

以上是生活随笔為你收集整理的Python wordcloud词云：源码分析及简单使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。