worldcloud.WorlCloud()库 & matplotlib.pyplot.imshow()库

案例链接：怎么做中文wordcloud？ 附：案例&代码

一、worldcloud.WoldCloud()库

· 官方文档链接点击打开链接

 · 翻译部分：

wordcloud.WordCloud(
    font_path=None,           
    width=400,
    height=200, 
    margin=2, 
    ranks_only=None,
    prefer_horizontal=0.9,
    mask=None,
    scale=1,
    color_func=None,
    max_words=200,
    min_font_size=4,
    stopwords=None,
    random_state=None,
    background_color='black',
    max_font_size=None,
    font_step=1,
    mode='RGB',
    relative_scaling=0.5,
    regexp=None,
    collocations=True,
    colormap=None,
    normalize_plurals=True )

0. 常用参数：

– font_path：指明要用的字体的路径，

– width：默认值400。设定词云画布的宽度，

– height：默认值200。画布高度，

– mask：默认无。用来设定词云的形状，

– min_font_size：默认值4，整数类型。设定最小的词的尺寸/大小，

– max_font_size：默认无，整数型。设定最大词的大小，

– max_words：默认值200。设定词云最多显示的词的个数，

– background_color：默认值为黑色。设定词云画布底色，

– Scale：默认值1。值越大，图像密度越大越清晰：

– color_func：默认无，可选参数一个“callable”。collable可以返回每个词的PIL色彩值，包括大小/位置/方向/字体格式/随机起始位置。

1. 不常用参数

– stop_word：默认无。设定取词程序在某个词处停止，

– prefer_horizontal：默认值0.90，浮点数类型。表示在水平如果不合适，就旋转为垂直方向，水平放置的词数占0.9？，

– font_step：默认值1，整数型。对生成的词抽样，设定抽取的两个词之间略过的词的个数，

– mode：默认值“RGB”，字符串型。或者使用“RGBA”产生透明背景，

– relative_scaling：默认值0.5，浮点型。设定按词频倒序排列，上一个词相对下一位词的大小倍数。有如下取值：“0”表示大小标准只参考频率排名，“1”如果词频是2倍，大小也是2倍，

– regexp：默认无，字符串类型。至于作用，笔者还没搞懂，

– collocations：默认为True，可选项为“bool”。决定词云是否可以包含两个词的搭配，

– colormap: srting or matplotlib colormap, default=’viridis’：如果“color_func”指定，则失效；否则由matplotlib的色彩库为每个词随机定颜色，

– normalize_plurals: bool, default=True：默认为True。默认True决定将词尾后缀‘s’删除。

 

二、matplotlib.pyplot.imshow()库

· 原文链接：点击打开链接

matplotlib.pyplot.imshow(
    X, 
    cmap=None, 
    norm=None, 
    aspect=None, 
    interplotation=None, 
    alpha=None, 
    Vmin=None, 
    vmax= None, 
    origin=None, 
    extent=None, 
    shape=None, 
    filternorm=1, 
    filterrad=4.0, 
    imlim=None, 
    resample=None,
    url=None, 
    hold=None, 
    data=None, **kwargs)

作用：将一个image显示在二维坐标轴上。

0. 常用参数

– X：array_like对象/数列类对象，shape(n,m) 或者(n,m,3)或者(n,m,4)

    把X代表的图片显示在当前坐标轴中。X可以是数列类格式、或者PIL图片。如果X是数列类对象，它可以有如下3种情况&类型： 

·  M*N – 用来作图的数列值：float类型 / INT类型   

· M*N*3 – RGB数列：float类型 / unit8类型 

· M*N*4 – RGBA数列：float类型 /  unit8类型

M*N*3和M*N*4的float数列，取值范围限定为[0.0, 1.0]。M*N类数列是基于norm(采用标量对映射到标量方法作图)和cmap（将标准化标量映射为颜色）。

– interplotation：默认”None”，可用字符串类型命令设定

    可设定的字符串命令为：’none’，’nearest’，’bilinear‘，’bicubic’，‘spline16’, ‘spline36’, ‘hanning’, ‘hamming’, ‘hermite’， ‘kaiser’，’quadric’，’catrom’，’gaussian’，’bessel’，’mitchell’， ‘sinc’，’lanczos’

  • 如果”None”，默认rc image.interpolation。
  • 如果是”none”，则在Agg，ps和pdf后端不进行插值。其他后端将会落到“最近”。

图例：没有使用插值算法 VS 使用（bilinear）差值算法：

1. 不常用参数：

– cmap：默认”None”，可设为 “colormap”

    如果是“None”，默认rc值符合 image.cmap 。如果X是3-D，则cmap会被忽略，而采用 具体的RGB(A)值。

– aspect：默认”None”，可设为[‘aotu’ / ‘equal’ / scalar]

    如果”None”，默认rc值符合image.aspect，

    如果”auto”，则改变图片的横纵比、以便适应坐标轴的横纵比，

    如果”equal”，同时extent为”None”，则改变坐标轴的横纵比、以便适应图片的；如果extent不为”None”，则改变坐标轴的横纵比、以便适应与之匹配，

– norm：默认”None”，可设为 Normalize

    “Normalize（标准化）”，将2-D的X浮点值转化到[0, 1]区间，再作为cmap的输入值；如果norm是”None”，则使用默认功能：normilize（标准化）/ 如果norm是比如”NoNorm”，X必须是直接指向camp的查询表的整数数组，

– vmin，vmax：默认”None”，可用标量类型命令设定

    vmin和vmax和规范(norm)一起使用来规范（normlize）亮度数据。注：如果你忽略一个norm实例，你的vmin和vmax设定将会被忽略。

– alpha：默认”None”，可用标量型命令设定

    alpha混合值，介于0（透明）和1（不透明）之间

– origin：默认”None”，可选