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

Question

在一个上一个问题，中，我问社区如何计算一个句子中每一个连续两个单词的频率，我得到了一个很好的答案！现在，我正尝试使用pytagcloud包从结果中构建一个单词云。

我的问题是，制作的图片很拥挤，文字在一起。如果有一个函数来分离单词并使它们具有可读性，或者在python中是否有其他方法来实现这些功能，您可以知道吗？

谢谢!

我的代码如下。这是我用来测试的文本的链接，我尝试使用较少的单词组合，但这并没有改变图片中文本的拥挤性。

我还添加了几个函数，比如播放“布局”、“大小”和"fontname='Lobster‘和fontzoom=1“，但它们都没有给出最佳结果，这是一个干净的单词云图，其中单词并不拥挤。

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一个例子：这里

最佳结果将类似于这里图像中的一幅。

Answer 1

您正在按升序而不是降序对标记进行排序，这可能是pytagcloud所期望的。应将排序行更改为：

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

修复后，关键参数是maxsize in make_tags：

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)

如果我正确理解，这将设置最大字体大小(以最高频率标记的字体大小)，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。

您必须使用这些参数。

考虑到库函数get_tag_counts所做的不仅仅是返回频率:它还过滤普通单词，应用小写，并且通常应该比简单的排序提供更好的标记分布，就像您正在做的那样。

通过这些更改，您应该得到如下内容(通过get_tag_counts在文章中链接的文件(在1000x1000窗口中获取maxsize=260并将其限制在前50个标记中)：

​

​

编辑--根据请求，创建上述图像的代码：

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Ubuntu13.04上安装了apt，其余的软件包都安装了pip。“ant11.txt”是在问题中链接的文本文件。

Answer 2

编辑：虽然在我的答案中引用的TAG_PADDING参数在某些情况下可能是有意义的，但vinaut的答案显然是更好的开始。

从.py的角度来看，TAG_PADDING可能是控制单词间距的参数。

因为它在源代码中被设置为一个文字值，并且在一些地方被引用，所以您必须将源代码修改为更适合您的参数(并重新打包/重新安装)，或者将源代码复制到您自己的项目中并相应地修改它。