python-2.7 - 如何在没有拥挤图像的情况下使用 pytagcloud 构建干净的词云 - Python

Question

在 previous question,我问社区如何计算一个句子中每个连续两个单词的频率，我得到了很好的答案!
现在我正在尝试使用包 pytagcloud 从结果中构建一个词云。

我确实遇到的问题是，生成的图片很拥挤，而且文字都挤在一起。不知道是否有一个函数来分隔单词并使它们可读，或者是否有任何其他方法可以在 python 中做到这一点。
谢谢!

我的代码如下。这是link我用于测试的文本
我尝试使用较少数量的单词组合，但这并没有改变图片中文字的拥挤程度。
我还添加了一些功能，例如玩“布局”和“大小”和“字体名称 =“龙虾”和字体缩放 = 1”，但它们都没有给出最佳结果，即文字不拥挤的干净词云图片。

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一个例子: HERE
最佳结果将类似于图像之一 HERE

Answer 1

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

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

一旦确定，关键参数是 最大尺寸 在 make_tags 中:

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，这会设置最大字体大小(频率最高的标签的字体大小)，并计算与此相关的所有其他大小。影响字符串分布方式的另一个参数是窗口的大小。

您将不得不使用这些参数。

考虑到库函数 get_tag_counts 不仅仅是返回频率:它还过滤常用词，应用小写字母，并且通常应该为您提供比简单排序更好的标签分布，就像您正在做的那样。

通过这些更改，您应该会得到类似的结果(通过您在帖子中链接的文件的 get_tag_counts 获得，在 1000x1000 窗口中，maxsize=260 并限制到前 50 个标签):



编辑 - 根据要求，创建上面图像的代码:

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)`

使用 python 2.7.5，在 Ubuntu 13.04 上使用 apt-get 安装 pygame，其余的包使用 pip。 “const11.txt”是问题中链接的文本文件。