在Python中创建文字云或标签云

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。