Python 2.7 如何使用pytagcloud构建干净的单词云，而不使用拥挤的图像-Python

在一次访谈中，我问社区如何计算一句话中每个连续两个单词的频率，我得到了一个很好的答案！ 现在，我正试图使用pytagcloud包从结果中构建一个单词云

我确实有一个问题，那就是制作出来的照片很拥挤，文字也在相互亲吻。是否有一个函数来分隔单词并使其可读，或者是否有其他方法在python中实现这一点。
谢谢

我的密码是贝娄。这是我用于测试的文本的结尾 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程度。
我还添加了一些功能，比如玩“布局”和“大小”以及“fontname='Lobster'和fontzoom=1”，但没有一个功能能提供最佳效果，即一个干净的单词云图，其中的单词并不拥挤

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示例：

---

最佳结果将类似于其中一幅图像

编辑：虽然我的答案中下面引用的

标记填充

参数可能对某些情况有兴趣，但vinaut的答案显然是最好的开始

---

现在来看，似乎

标记填充

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本值，并且在多个地方被引用，所以您要么必须将源代码更改为更适合您的参数（并重新打包/重新安装），要么将源代码复制到您自己的项目中，并相应地进行更改。

您正在按升序而不是降序对标记进行排序，正如Pytagloud所期望的那样。您应该将排序行更改为：

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

修复后，关键参数为make_标记中的maxsize：

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，这将设置最大字体大小（具有最高频率的标记的字体大小），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的作用不仅仅是返回频率：它还过滤常用词，使用小写字母，一般来说，与简单的排序相比，它应该为您提供更好的标记分布

通过这些更改，您应该会得到类似的结果（在1000x1000窗口中，使用get_tag_计数在您的帖子中链接的文件上获得，maxsize=260，并覆盖到前50个标记）：

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)`

---

在Ubuntu13.04上使用Python2.7.5，pygame安装了apt get，其余的软件包安装了pip。“const11.txt”是问题中链接的文本文件。

Hi vinaut！！！非常感谢你的回答！！！我试图复制结果，但失败了，你的云看起来比我的好1000倍！你能把你的密码贴出来让我看看我做错了什么吗？再次感谢大家！！！！不用担心，用生成图像的代码编辑了答案。非常感谢vinaut！PS-你的笔记本电脑里有一些魔力！：）这是我用maxsize=50得到的最好的25个单词，size=（130011100）。我不知道为什么它不能使单词变成像你一样的矩形，即使矩形=真。很抱歉，它不适合你：这正是我使用的代码。你可能有一个与我不同的版本的软件包，把事情搞砸了：作为最后的手段，你可以尝试使用一个干净的Ubuntu安装的虚拟机（或ec2实例），然后像我一样安装所有的软件包。正如我所说，我从头安装了所有的软件包（python、pygame，所有的软件包）在一个全新的Ubuntu虚拟机上，使用apt get和pip。做同样的事情，你会得到同样的结果：）