词云图未正确显示单词的频率。

Question

我已经在词云中绘制了我的文本数据。 这是我拥有的数据框架。

vocab   sumCI
aid      3
tinnitu  3
sudden   3
squamou  3
saphen   3
problem  3
prednison 3
pain    2
dysuria 3
cancer  2

然后我将它转换为字符串，就像这样。（实际上，我已经复制了数据框中每个单词出现的次数，然后将其提供给函数）：

aid aid aid tinnitu tinnitu tinnitu sudden sudden sudden squamou squamou squamou

然后我使用这段代码来可视化文本数据：

def generate_wordcloud(text): # optionally add: stopwords=STOPWORDS and change the arg below
    wordcloud = WordCloud(
                          background_color="white",
                          width=1200, height=1000,
                          relative_scaling = 1.0,
                          collocations=False
                          ).generate(text)
    plt.imshow(wordcloud)
    plt.axis("off")
    plt.show()

cidf=cidf.loc[cidf.index.repeat(cidf['sumCI'])].reset_index(drop=True)
strCI = ' '.join(cidf['vocab'])
print(strCI)
generate_wordcloud(strCI)

然后结果就像这样：
你会发现大多数单词重复了2或3次，但它们在词云中的大小并没有显示出来。即使是相同大小的单词，它们的大小也有很大的差异！

例如：
例如，在此数据框中查看“tinnitu”和“dysuria”，它们的频率都为3，“tinnitu”很大，但“dysuria”很小，很难找到。
谢谢 :)

- sariii

---

虽然你可能不喜欢输出结果，但这并不意味着它是错误的。你有没有像证据一样可以证明它是“错误”的？ - DisappointedByUnaccountableMod

@barny 谢谢你的回答。从数据框的计数和词云的输出可以清楚地看出，它并不一定显示计数！但在文档中已经提到，更大的单词具有更高的频率。例如，在这个数据框中看看 "tinnitu" 和 "dysuria"，它们都有3个频率，tinnitu相当大，但是dysuria你会发现很难找到，因为它非常小。 - sariii

所以看一下WordCloud的源代码，向作者提出问题，检查代码... - DisappointedByUnaccountableMod

Answer 1

经过大量搜索，我找到了解决方法。我最终使用了generate_from_frequencies(text)而不是仅仅使用generate。 但是如果频率相同的话，它们的大小并不相同。

如果你看一下文档，他们也提到了排名或顺序（这是我真的无法理解的事情，他们最好将其作为一个选项。例如，如果算法看到相同的频率，应该采取什么方法：1.基于顺序 2.不做任何处理并给出相同的大小）。

根据我的研究和输出，当它看到相同的频率并且基于它所拥有的空间时，它可能会改变大小，这是不好的。

我的说法只是基于我的实验和阅读文档。

- sariii