官网参考：https://amueller.github.io/word_cloud/
基础设置：
wc=WordCloud(width=400, height=200, #画布长、宽，默认（400,200）像素
margin=1, #字与字之间的距离
background_color='white',#背景颜色
min_font_size=3,max_font_size=None,#显示的最小,最大的字体大小
max_words=200,#显示的词的最大个数
ranks_only=None,#是否只是排名
prefer_horizontal=.9,#词语水平方向排版出现的频率0.9（所以词语垂直方向排版出现频率为 0.1 ）
mask=None,## 以该参数值作图绘制词云，这个参数不为空时，width和height会被忽略
scale=1, #按照比例进行放大画布
color_func=None,#生成新颜色的函数，如果为空，则使用 self.color_func
stopwords=('Book'),#设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
random_state=None, # 为每个词返回一个PIL颜色
font_step=1, #字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
mode="RGB",#当参数为“RGBA”并且background_color不为空时，背景为透明
relative_scaling=.5, #词频和字体大小的关联性
regexp=None,#使用正则表达式分隔输入的文本
collocations=True,#是否包括两个词的搭配
colormap=None,#给每个单词随机分配颜色
normalize_plurals=True,#是否删除词的尾随S之类的
font_path="STFANGSO.ttf" #字体路径相关方法
fit_words(frequencies) //根据词频生成词云 generate(text) //根据文本生成词云 generate_from_frequencies(frequencies[, ...]) //根据词频生成词云 generate_from_text(text) //根据文本生成词云 process_text(text) //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ） recolor([random_state, color_func, colormap]) //对现有输出重新着色。重新上色会比重新生成整个词云快很多。 to_array() //转化为 numpy array to_file(filename) //输出到文件
基础使用
import jieba #jieba分词
import matplotlib.pyplot as plt#绘制图形
from scipy.misc import imread#处理图像
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator#词云
#一.文本获取，利用jieba分词获取文本中的词
file=open('test.txt',encoding='UTF-8').read()
word=' '.join(jieba.cut_for_search(file))
#二.词云背景图像获取
image=imread('test.jpg') # 解析该图片
#三.词云设置
wc=WordCloud(
mode='RGBA',#设置透明底色
background_color=None,
mask=image, #词云形状设置为背景图像
max_words=100,#显示的词的最大个数
font_path="STFANGSO.ttf",#设置字体，否则中文可能会出现乱码
scale=3#扩大三倍
)
#生成词云
image_colors = ImageColorGenerator(image)# 基于背景颜色设置字体色彩
wc.generate(word)#根据文本生成词云
#显示
plt.imshow(wc)#显示词云图
plt.axis("off")#关闭坐标轴
plt.show()#显示窗口
wc.to_file('test.png')# 保存图片