如何在没有拥挤图像的情况下使用pytagcloud构建干净的词云-Python

mongotop 发表于 Dev

Mongotop

在上一个问题中，我问社区如何计算一个句子中每个连续两个单词的出现频率，我得到了一个很好的答案！现在，我正在尝试使用pytagcloud软件包从结果中构建词云。

我确实遇到的问题是，所产生的图片很拥挤，字词相互混淆。任何想法，如果有一个功能来分离单词并使它们可读，或者是否有其他替代方法可以在python中做到这一点。
谢谢！

我的代码在下面。这是我用于测试的文本的链接，我尝试使用少量的单词组合，但这并没有改变图片中文本的人群。
我还添加了一些功能，例如玩“布局”和“大小”以及“ fontname ='Lobster'和fontzoom = 1”，但是它们都没有给出最佳结果，这是一个干净的词云图片，其中词不拥挤。

import operator
import urllib2

from roundup.backends.indexer_common import STOPWORDS
import requests, collections, bs4
Data = "TEXT FROM The link above- TEXT file"
two_words = [' '.join(ws) for ws in zip(Data, Data[1:])]
wordscount = {w:f for w, f in Counter(two_words).most_common() if f > 12}
sorted_wordscount = sorted(wordscount.iteritems(), key=operator.itemgetter(1))

print sorted_wordscount;

from pytagcloud import create_tag_image, create_html_data, make_tags, LAYOUT_HORIZONTAL, LAYOUTS, LAYOUT_MIX, LAYOUT_VERTICAL, LAYOUT_MOST_HORIZONTAL, LAYOUT_MOST_VERTICAL
from pytagcloud.colors import COLOR_SCHEMES
from pytagcloud.lang.counter import get_tag_counts

create_tag_image(make_tags(sorted_wordscount), 'filename.png', size=(1300,1150), background=(0, 0, 0, 255), layout=LAYOUT_MIX, fontname='Molengo', rectangular=True)

这是我得到的输出结果的示例：此处
的最佳结果类似于此处的图像之一

Vinaut

您正在按照升序而不是降序对标签进行排序，这可能是pytagcloud期望的。您应该将排序行更改为：

sorted_wordscount = sorted(wordscount.iteritems(), key=operator.itemgetter(1),reverse=True)

固定后，关键参数就是make_tags中的maxsize：

create_tag_image(make_tags(sorted_wordscount[:],maxsize=200), 'filename.png', size=(1300,1150), background=(0, 0, 0, 255), layout=LAYOUT_MIX, fontname='Molengo', rectangular=True)

如果我理解正确，那么它将设置最大字体大小（具有最高频率的标签的字体大小），并计算与此字体有关的所有其他字体大小。影响字符串分配方式的另一个参数是窗口的大小。

您将必须使用这些参数。

请注意，库函数get_tag_counts的作用不只是返回频率：它还过滤常用单词，应用小写字母，并且在进行操作时，通常应该比简单排序更好地分配标签。

进行了这些更改后，您应该会得到类似的信息（通过在帖子中链接的文件中的get_tag_counts，在1000x1000的窗口中，maxsize = 260，并限制在前50个标签上）：

在此处输入图片说明

编辑-根据要求，上面的图像创建代码：

import operator
import os
import urllib2

from roundup.backends.indexer_common import STOPWORDS
import requests, collections, bs4
with open("./const11.txt") as file:
  Data1 = file.read().lower()
  Data = Data1.split()
two_words = [' '.join(ws) for ws in zip(Data, Data[1:])]
wordscount = {w:f for w, f in collections.Counter(two_words).most_common() if f > 5}
sorted_wordscount = sorted(wordscount.iteritems(), key=operator.itemgetter(1),reverse=True)

from pytagcloud import create_tag_image, create_html_data, make_tags, LAYOUT_HORIZONTAL, LAYOUTS, LAYOUT_MIX, LAYOUT_VERTICAL, LAYOUT_MOST_HORIZONTAL, LAYOUT_MOST_VERTICAL
from pytagcloud.colors import COLOR_SCHEMES
from pytagcloud.lang.counter import get_tag_counts

tags = make_tags(get_tag_counts(Data1)[:50],maxsize=260)
create_tag_image(tags,'filename.png', size=(1000,1000), background=(0, 0, 0, 255), layout=LAYOUT_MIX, fontname='Lobster', rectangular=True)`