Python 标签云拟合图片

发表于 分类于 Disqus： 本文字数： 377 阅读时长 ≈ 1 分钟

标签云拟合Octocat

笔者最近发现了一个神奇的 Python 库，名为 wordcloud。借助它，可以轻松地用标签云拼出一副图片，就像上图这样。让我们一起看看具体的步骤吧。

环境

请确保 Python 3 和 pip3（即 python3 -m pip）都可以正常使用。需要使用 pip 安装的模块有：

  • matplotlib
  • numpy
  • pillow
  • requests
  • wordcloud

其中 wordcloud 模块有些特殊，笔者尝试执行 pip3 install wordcloud，结果报错了。如果你也遇到了类似的问题，请执行以下安装方式：

1
2
3
4
git clone https://github.com/amueller/word_cloud.git
cd word_cloud
pip3 install -r requirements.txt
python3 setup.py install

这样就完成安装了。

代码

标签云自然需要每个标签的文本和权重（也就是显示的相对大小）。wordcloud 库中的 WordCloud 类提供了方法 generate_from_frequencies，接收一个字典作为参数。标签的文本和权重就需要在这个字典中给出，形式是这样的：

1
2
3
4
5
6
7
8
9
10
frequencies = {
    "JavaScript": 18,
    "Python": 16,
    "Java": 13,
    "Go": 8,
    "TypeScript": 7,
    "C++": 7,
    "Ruby": 6,
    "PHP": 5
}

当然，这个字典不一定需要自己写，也可以通过一些语料库获得。官方的 Demo 中就有统计一段文本中的词频来作为标签云。

下面的例子是用 requests 获取 GitHub 上热度最高的语言，然后作为标签云拼出 GitHub 的吉祥物 Octocat：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
#!/usr/bin/env python3

import numpy as np
import json
from PIL import Image
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import requests

r = requests.get("https://cdn.jsdelivr.net/gh/madnight/githut@master/src/data/gh-star-event.json")
jsondict = json.loads(r.text)

r = requests.get("https://octodex.github.com/images/original.png", stream=True)

pic = np.array(Image.open(r.raw).convert("RGBA"))
pic[np.where(pic[:, :, 3] == 0)] = 255

frequencies = {}
for entry in jsondict:
    if entry["year"] == "2018" and entry["quarter"] == "1":
        frequencies[entry["name"]] = np.log(int(entry["count"]))

image_colors = ImageColorGenerator(pic, [255,255,255])
wc = WordCloud(background_color="white", mask=pic)
wc.generate_from_frequencies(frequencies)

plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
wc.to_file("octocat.png")
plt.axis("off")
plt.show()

你可以自行替换原始数据和图片，例如下面这张：

Octocat

图片支持多种格式，但为了保证效果，非主体部分应填充白色。

保存后使用 Python 3 执行以上代码，即可得到拟合出的图片。