关于人工智能:在Python中创建文字云或标签云

作者 |ISHA5
编译 |Flin
起源 |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。我总是喜爱从数据中取得有用的见解。

在此之前，我只理解根本图表，例如条形图，散点图，直方图等，这些根本图表内置在 tableau 中，而 Power BI 则用于数据可视化。通过每天实现此工作，我遇到了许多新图表，例如径向仪表盘，华夫图等。

因而，出于好奇，最近我正在搜寻数据可视化中应用的所有图表类型，这些词云引起了我的留神，我发现它十分乏味。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，然而我错了，而且所有都从这里开始。之后，我尝试应用 Tableau 和 Power BI 中的大量数据制作词云。在胜利尝试之后，我想通过编写条形图，饼图和其余图表的代码来尝试应用它。

词云是什么？

定义：词云是一个简略但功能强大的可视化示意对象，用于文本处理，它以更大，更粗的字母和不同的色彩显示最罕用的词。单词的大小越小，重要性就越小。

标签云的用处

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，因而，咱们能够获取人们在其帖子中应用最多的标签。

2） 媒体中的热门话题 ：剖析新闻报道，咱们能够在头条新闻中找到关键字，并提取出前 n 个需要较高的主题，并取得所需的后果，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，网站所有者能够制作被搜寻次数最多的购物商品的词云。这样，他就能够理解在特定期间内哪些商品需求量很大。

让咱们开始在 python 中编码以实现这种词云

首先，咱们须要在 jupyter notebook 中装置所有库。

在 python 中，咱们将装置一个内置库 wordcloud。在 Anaconda 命令提示符下，输出以下代码：

pip install wordcloud

如果你的 anaconda 环境反对 conda，请输出：

conda install wordcloud

尽管，这能够间接在 notebook 自身中实现，只需在代码的结尾增加“!”即可。

像这样：

!pip install wordcloud

当初，在这里，我将生成领有任何主题的维基百科文本的词云。因而，我将须要一个 Wikipedia 库来拜访 Wikipedia API，能够通过在 anaconda 命令提示符下装置 Wikipedia 来实现，如下所示：

pip install wikipedia

当初咱们还须要其余一些库，它们是 numpy，matplotlib 和 pandas。

截至目前，咱们须要的库就装置好了

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入：

上图是咱们通过检索 Wikipedia 的机器学习页面取得的输入的图像。在那里，咱们还能够看到它能够向下滚动，这示意将检索整个页面。

在这里，咱们还能够通过摘要办法失去页面的摘要，如：

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

这里咱们有句子的参数，因而咱们能够用它来检索特定的行数。

输入 5 个句子

让咱们一起创立 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意的单词，例如‘is’,‘are’,‘an’,‘I’等。

Wordcloud 带有内置停用词库，该库将主动从文本中删除停用词。

乏味的是，咱们能够通过 stopwords.add() 函数在 python 中增加停用词的抉择。

Wordcloud 办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。如果不增加随机状态，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。

从下面的代码中，咱们将取得这样的词云：

通过查看上图，咱们能够看到机器学习是最罕用的词，还有一些其余常常应用的词是模型，工作，训练和数据。因而，咱们能够得出结论，机器学习是训练数据模型的工作。

咱们还能够在这里通过背景色彩办法更改背景色彩，并通过 colormap 办法更改字体色彩，还能够在背景色彩中增加色彩的哈希码，然而 mapcolor 带有内置的特定色彩。

让咱们通过应用哈希码将背景色更改为蓝绿色，将字体色彩更改为蓝色：

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，如果我增加了一些谬误的色彩图，jupyter 将抛出一个值谬误，并向我显示色彩图的可用选项，如下所示：

还能够应用 PIL 库在任何图像中实现词云。

尾注

在本文中，咱们探讨了词云，词云的定义，应用领域以及应用 jupyter notebook 的 python 示例。

原文链接：https://www.analyticsvidhya.c…

欢送关注磐创 AI 博客站：
http://panchuang.net/

sklearn 机器学习中文官网文档：
http://sklearn123.com/

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