Проблема генерации облака слов на изображении в Python. Можно получить изображение, но не очень подробное - PullRequest
Новая
       22

Проблема генерации облака слов на изображении в Python. Можно получить изображение, но не очень подробное

0 голосов
/ 31 марта 2020

Я нашел этот Кернал на Kaggle здесь

Он генерирует облако слов над изображением Дональда Трампа, используя его твиты.

Трамп

Я хотел повторить это для Обамы и его твитов, чтобы узнать, как это работает, поскольку я действительно новичок в Python.

У меня проблемы с генерацией облака, которое хорошо соответствует изображению, и мне интересно, так ли это, потому что я неправильно адаптирую код или просто делаю неправильный выбор с моим изображением. Может кто-нибудь помочь мне получить красивое облако слов, где вы можете сказать, что это Обама?

Вот мой код, который я адаптирую:

Все это прекрасно работает, но я хотел бы включить его для справки: 

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 31 10:56:19 2020

@author: jordanwegner
"""

# Obama Tweets by Me. I am going to try and replicate the work done by 
#   Mikolaj Witkowski on the Trump Tweets

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
from bs4 import BeautifulSoup
import requests
import re
from wordcloud import WordCloud
from PIL import Image
import random
import matplotlib.pyplot as plt
from matplotlib import cm
from nltk import regexp_tokenize
from nltk.corpus import stopwords
import nltk
from io import BytesIO
import urllib.request
from wordcloud import ImageColorGenerator

tweets = pd.read_csv('/Users/jordanwegner/Desktop/Kaggle/Obama Tweets/WHtweets.csv')

# Just the content of the tweets
content = tweets['text']

# Stopwords are words that do not have much meaning in a sentence
sw = stopwords.words('english')
patn = '\w+'
blacklist = [
    '[document]',
    'noscript',
    'header',
    'html',
    'meta',
    'via'
    'head',
    'input',
    'solo',
    'band',
    'guitars',
    'vocals',
    'guitar',
    'bass',
    'song',
    'writer',
    'composed',
    'composer',
    'music',
    'submit',
    'site',
    'request',
    'ask',
    'send',
    'like',
    'share',
    'correcting',
    'correct',
    'correction',
    'thank',
    'thanks',
    'you',
    'more',
    'http',
    'realdonaldtrump',
    'https',
    'com',
    'www',
    'twitter',
]

# Does something to the strings
def data_cleanup(text):
    text = text.lower()
    text = re.sub(r'\[.*?\]', '', text)
    text = re.sub(r'([.!,?])', r' \1 ', text)
    text = re.sub(r'[^a-zA-Z.,!?]+', r' ', text)
    text = regexp_tokenize(text, patn)
    text = [i for i in text if (i not in sw) and (i not in blacklist)]
    return text

clean_text = content.apply(lambda x: data_cleanup(x))

# I think just makes a vector of all the words in the content minus 
# the words removed in earlier steps
words = []
for i in clean_text:
    for j in i:
        words.append(j)

word_freq = nltk.FreqDist([i for i in words if len(i) > 2])

plt.figure(figsize=(16, 6))
word_freq.plot(50)

Вот где слово Начинается проблема с облаком, и вот изображение, которое я использую:

исходное изображение 

obama = 'https://encrypted-tbn0.gstatic.com/images?q=tbn%3AANd9GcSds3CXs2QKhveQ7IkMnAINpAkqYG__KSxdaxlJ3IxMlPhtX8UG&usqp=CAU'
with urllib.request.urlopen(obama) as url:
    f = BytesIO(url.read())
img = Image.open(f)

mask = np.array(img)

def transform_format(val):
    if val ==0:
        return 255
    else:
        return val

t_mask = np.ndarray((mask.shape[0], mask.shape[1]), np.int32)

for i in range(len(mask)):
    t_mask[i] = list(map(transform_format, mask[i]))


img_color = ImageColorGenerator(t_mask)

def grey_color_func(word, font_size, position,orientation,random_state=None, **kwargs):
    return("hsl(100, 5%%, %d%%)" % np.random.randint(0,50))

wc = WordCloud(background_color='white',
              mask=t_mask,
              max_font_size=2000,
              max_words=2000,
              random_state=42)
wcloud = wc.generate_from_frequencies(word_freq)
plt.figure(figsize=(16, 10))
# recolor wordcloud and show
# we could also give color_func=image_colors directly in the constructor
plt.axis('off')
plt.imshow(wc.recolor(color_func = grey_color_func), interpolation="bilinear")
plt.show()

Оно выплевывает это:

генерировать Обаму

Если бы не было Обамы, никто бы не смог сказать, кто это. С изображением Трампа это довольно очевидно, даже без большого «Трампа». Я хотел бы получить более четкое представление об Обаме.

Спасибо!

Джордан

...