当前位置:网站首页>在Python中创建文字云或标签云

在Python中创建文字云或标签云

2020-11-08 18:35:00 人工智能遇见磐创

作者|ISHA5
编译|Flin
来源|analyticsvidhya

介绍

从开始从事数据可视化工作的那一天起,我就爱上它了。我总是喜欢从数据中获得有用的见解。

在此之前,我只了解基本图表,例如条形图,散点图,直方图等,这些基本图表内置在tableau中,而Power BI则用于数据可视化。通过每天完成此任务,我遇到了许多新图表,例如径向仪表盘,华夫图等。

因此,出于好奇,最近我正在搜索数据可视化中使用的所有图表类型,这些词云引起了我的注意,我发现它非常有趣。直到现在,看到这个词云图像迫使我认为这些只是随机排列的图像,这些单词是随机排列的,但是我错了,而且一切都从这里开始。之后,我尝试使用Tableau和Power BI中的少量数据制作词云。在成功尝试之后,我想通过编写条形图,饼图和其他图表的代码来尝试使用它。

词云是什么?

定义:词云是一个简单但功能强大的可视化表示对象,用于文本处理,它以更大,更粗的字母和不同的颜色显示最常用的词。单词的大小越小,重要性就越小。

标签云的用途

1)社交媒体上的热门标签(Instagram,Twitter): 全世界,社交媒体都在寻找最新更新的趋势,因此,我们可以获取人们在其帖子中使用最多的标签。

2)媒体中的热门话题: 分析新闻报道,我们可以在头条新闻中找到关键字,并提取出前n个需求较高的主题,并获得所需的结果,即前n个热门媒体主题。

3)电子商务中的搜索词: 在电子商务购物网站中,网站所有者可以制作被搜索次数最多的购物商品的词云。这样,他就可以了解在特定时期内哪些商品需求量很大。

让我们开始在python中编码以实现这种词云

首先,我们需要在jupyter notebook中安装所有库。

在python中,我们将安装一个内置库wordcloud。在Anaconda命令提示符下,输入以下代码:

pip install wordcloud

如果你的anaconda环境支持conda,请输入:

conda install wordcloud

虽然,这可以直接在notebook本身中实现,只需在代码的开头添加“!”即可。

像这样:

!pip install wordcloud

现在,在这里,我将生成拥有任何主题的维基百科文本的词云。因此,我将需要一个Wikipedia库来访问Wikipedia API,可以通过在anaconda命令提示符下安装Wikipedia来完成,如下所示:

pip install wikipedia

现在我们还需要其他一些库,它们是numpy,matplotlib和pandas。

截至目前,我们需要的库就安装好了

import wikipedia
result= wikipedia.page("MachineLearning")
final_result = result.content
print(final_result)

机器学习维基百科页面的输出:

上图是我们通过检索Wikipedia的机器学习页面获得的输出的图像。在那里,我们还可以看到它可以向下滚动,这表示将检索整个页面。

在这里,我们还可以通过摘要方法得到页面的摘要,如:

result= wikipedia.summary("MachineLearning", sentences=5)
print(result)

这里我们有句子的参数,因此我们可以用它来检索特定的行数。

输出5个句子

让我们一起创建wordcloud

from wordcloud import WordCloud, StopWords
import matplotlib.pyplot as plt 
def plot_cloud(wordcloud):
    plt.figure(figsize=(10, 10))
    plt.imshow(wordcloud) 
    plt.axis("off");
wordcloud = WordCloud(width = 500, height = 500, background_color='pink', random_state=10).generate(final_result)
plot_cloud(wordcloud)

停用词是没有任何含义的单词,例如‘is’, ‘are’, ‘an’, ‘I’ 等。

Wordcloud带有内置停用词库,该库将自动从文本中删除停用词。

有趣的是,我们可以通过stopwords.add()函数在python中添加停用词的选择。

Wordcloud方法将设置宽度和高度,我将它们都设置为500,背景色设置为粉红色。如果不添加随机状态,则每次运行代码时,词云都会看起来不同。应该将其设置为任何int值。

从上面的代码中,我们将获得这样的词云:

通过查看上图,我们可以看到机器学习是最常用的词,还有一些其他经常使用的词是模型,任务,训练和数据。因此,我们可以得出结论,机器学习是训练数据模型的任务。

我们还可以在这里通过背景颜色方法更改背景颜色,并通过colormap方法更改字体颜色,还可以在背景颜色中添加颜色的哈希码,但是mapcolor带有内置的特定颜色。

让我们通过使用哈希码将背景色更改为蓝绿色,将字体颜色更改为蓝色:

from wordcloud import WordCloud, StopWords
import matplotlib.pyplot as plt
def plot_cloud(wordcloud):
    plt.figure(figsize=(10, 10))
    plt.imshow(wordcloud)
    plt.axis("off");
wordcloud = WordCloud(width = 500, height = 500, background_color='#40E0D0', colormap="ocean",  random_state=10).generate(final_result)
plot_cloud(wordcloud)

在这里,我指定了ocean,如果我添加了一些错误的颜色图,jupyter将抛出一个值错误,并向我显示颜色图的可用选项,如下所示:

还可以使用PIL库在任何图像中实现词云。

尾注

在本文中,我们讨论了词云,词云的定义,应用领域以及使用jupyter notebook的python示例。

原文链接:https://www.analyticsvidhya.c...

欢迎关注磐创AI博客站:
http://panchuang.net/

sklearn机器学习中文官方文档:
http://sklearn123.com/

欢迎关注磐创博客资源汇总站:
http://docs.panchuang.net/

版权声明
本文为[人工智能遇见磐创]所创,转载请带上原文链接,感谢
https://segmentfault.com/a/1190000037763419