在日常设计中，经常遇到用文字来表达想法或传递信息的设计。这些文字以不同的大小、形状、颜色出现，通过出现频率来表示读者或想法的重要性。这种设计也被称为词云或标签云。
那么，什么是词云呢？词云是一种文本数据的可视化技术，其中出现频率最高的单词以最大的字体大小显示。在这篇文章中，将学习如何在Python中创建自定义词云。
首先，来安装特定的包。Python提供了一个内置库叫做“WordCloud”，它可以帮助生成词云。可以通过以下命令来安装这个库：
! pip install wordcloud
还将使用基本库如‘numpy’, ‘pandas’, ‘matplotlib’, ‘pillow’。如果是Python新手，请访问相关教程，这将对非常有帮助。
Numpy：最受欢迎的库是Numpy。它主要用于处理多维数组和矩阵。在这篇文章中，将用它来改变词云图像的形状。
Pandas：Pandas库用于数据分析，这里用它来从一组信息中提取单词。
Matplotlib：对于可视化，Python提供了matplotlib库，它为用pandas收集的数据创建图表。
Pillow：Pillow库用于收集不同的图像用于词云生成，用作PIL。
以下代码可以用于导入这些库：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from PIL import Image
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
作为样本数据集，将使用来自kaggle的“Fake News classification”数据集。
让进入代码部分来生成词云。这部分将详细描述构建自定义词云图像的不同参数。
函数描述：
wordcloud()：从WordCloud库导入的函数，将生成词云。
.generate方法：在.generate方法中包含一个文本数据参数（想要创建词云的文本）。语法是.generate(text)
imshow()：imshow函数将显示图像。
现在，让从一个基本的词云示例开始：
# 创建并生成词云图像
wordcloud = WordCloud().generate(text)
# 显示生成的图像
plt.imshow(wordcloud, interpolation="bilinear")
plt.figure(figsize=[8,10])
plt.axis("off")
哇！已经成功生成了第一个词云图像。它显示大多数文章/新闻数据都谈到了“trump”，“said”，“one”，“people”。
接下来，可以改变词云的最大字体大小、最大单词数和背景颜色。
# 改变字体大小、最大单词数和背景颜色
wordcloud = WordCloud(max_font_size=50, max_words=10, background_color="white").generate(text)
# 显示图像
plt.imshow(wordcloud, interpolation="bilinear")
plt.figure()
plt.axis("off")
在上述代码中，已经改变了WordCloud函数的参数。
max_font_size：这个参数定义了最大单词的最大字体大小。如果没有设置，将根据图像高度调整。
max_words：它指定了单词的最大数量，默认是200。
background_color：它设置了词云图像的背景颜色，默认颜色定义为黑色。
为了显示词云图像，使用了matplotlib.pyplot的.imshow()方法。在上述代码中，使用了两个参数：
wordcloud：在上述步骤中创建的
interpolation="bilinear"：用于显示更平滑的图像。
让再生成一个具有宽度、高度、随机状态、背景颜色和词云颜色图的词云。
# 创建停用词
stopwords = set(STOPWORDS)
# 生成一个词云图像
wordcloud = WordCloud(width = 3000, height = 2000, random_state=1, background_color='black', colormap='Set2', collocations=False, stopwords = STOPWORDS).generate(text)
# 显示生成的图像
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
以下参数的描述如下：
width/height：可以使用这些参数来改变画布的尺寸。这里将宽度设置为3000，高度设置为2000。
random_state：它将为每个单词返回PIL颜色，设置为整数值。
background_color：它用于词云图像的背景颜色。如果想添加不同的颜色，可以探索相关网站。
colormap：使用这个参数可以改变每个单词的颜色。Matplotlib颜色图提供很棒的颜色。
collocation：collocation参数设置为FALSE以确保词云不包含任何二元组或重复单词。
stopwords：‘stop_words’是那些在英语中常用的单词，如‘we’, ‘the’, ‘a’, ‘an’等。因此，必须消除这些单词。已经从WordCloud库导入了STOPWORDS函数。
要创建自定义形状，需要一个PNG格式的遮罩图像。词云的设计将在该图像中生成。可以使用关键词如“词云遮罩图像”在不同的搜索引擎上搜索。也可以访问这个数据集——在这里，可以探索不同的自定义图像。
在这篇文章中，使用了‘cloud.png’来创建自定义图像。
要创建自定义形状，‘WordCloud’函数有一个mask参数，使其能够接受可遮罩的图像。将‘cloud.png’图像添加到NumPy数组中，并将其存储为mask变量。在这里，改变了更多的参数来创建一个吸引人的词云。参数描述如下：
mask：指定词云图像的形状。默认情况下，它采用矩形。正如所知，已经创建了一个变量作为mask，并将其分配给mask参数。
contour_width：此参数为词云遮罩创建轮廓。将遮罩图像的宽度设置为3。
contour_color：contour_color用于遮罩图像的轮廓颜色。它可以是字符串或颜色代码。这里使用颜色代码‘#023075’。
# 生成一个词云图像
stopwords = set(STOPWORDS)
mask = np.array(Image.open("../input/input-img/cloud.png"))
wordcloud = WordCloud(stopwords=stopwords,background_color='white', max_words=1000, mask=mask,contour_color='#023075',contour_width=3,colormap='rainbow').generate(' '.join(df['text_without_stopwords']))
# 创建图像作为云
plt.figure()
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
# 存储到文件
plt.savefig("cloud.png", format="png")
plt.show()
太棒了！刚刚创建了一个云形状的词云。它看起来像一个充满单词的云。让使用Twitter徽标作为遮罩图像再创建一个词云。
# 生成一个词云图像
stopwords = set(STOPWORDS)
mask = np.array(Image.open("../input/input-img/Twitter.png"))
wordcloud = WordCloud(stopwords=stopwords, background_color="white", max_words=1000, mask=mask).generate(' '.join(df['text_without_stopwords']))
# 创建Twitter图像
plt.figure()
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
# 存储到文件
plt.savefig("twitter.png", format="png")
plt.show()
# 生成一个词云图像
stopwords = set(STOPWORDS)
mask = np.array(Image.open("../input/input-img/News_mask.PNG"))
wordcloud = WordCloud(width = 3000, height = 2000, random_state=1, background_color='white', colormap='Set2', collocations=False, stopwords = STOPWORDS,mask=mask).generate(' '.join(df['text_without_stopwords']))
# 创建着色来自图像
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[20,20])
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
# 存储到文件
plt.savefig("news.png", format="png")
plt.show()
# 生成一个词云图像
stopwords = set(STOPWORDS)
mask = np.array(Image.open("../input/input-img/News_mask.PNG"))
wordcloud = WordCloud(stopwords=stopwords, background_color="white", mode="RGBA", max_words=1000, mask=mask).generate(' '.join(df['text_without_stopwords']))
# 创建着色来自图像
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[20,20])
plt.imshow(wordcloud.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
# 存储到文件
plt.savefig("news1.png", format="png")
plt.show()