Dieser Artikel wurde im Rahmen der Data Science Blogathon.
Einführung
Ich war schon immer in Datenvisualisierung verliebt, seit ich angefangen habe, daran zu arbeiten. Es macht mir immer Spaß, aus Daten nützliche Informationen zu erhalten. Vor dem, Ich kannte nur einfache Diagramme wie Balkendiagramme, Streudiagramme, HistogrammeHistogramme sind grafische Darstellungen, die die Verteilung eines Datensatzes darstellen. Sie werden konstruiert, indem der Wertebereich in Intervalle unterteilt wird, Ö "Behälter", und zählen, wie viele Daten in jedem Intervall fallen. Diese Visualisierung ermöglicht es Ihnen, Muster zu erkennen, Trends und Variabilität von Daten effektiv, Erleichterung statistischer Analysen und fundierter Entscheidungsfindung in verschiedenen Disziplinen...., usw., die in Tableau und Power BI in der Datenvisualisierung integriert sind. Indem du jeden Tag an dieser Aufgabe arbeitest, Ich bin auf viele neue Grafiken gestoßen, als radiale Lehrtafeln, Waffelgrafiken, etc.
Dann, aus Neugier, Ich habe vor kurzem nach allen Arten von Diagrammen gesucht, die in der Datenvisualisierung verwendet werden, wo diese Wortwolke meine Aufmerksamkeit erregte und ich sie sehr interessant fand. Bis jetzt, Als ich diese Wortwolkenbilder sah, dachte ich, dass dies nur zufällige Bilder sind, in denen diese Wörter zufällig angeordnet sind, aber ich habe mich getäuscht, und wo alles begann. Nachdem, Ich habe versucht, eine Wortwolke aus kleinen Daten in Tableau und Power BI zu erstellen. Nach diesem erfolgreichen Versuch, Ich wollte es testen, indem ich Code-Balkendiagramme erstellt habe, Kreisdiagramme und andere Diagramme.
Was ist im Grunde eine Wortwolke?
Definition: Eine Wortwolke ist ein einfaches, aber leistungsstarkes visuelles Darstellungsobjekt für die Textverarbeitung, das häufigste Wort in größeren und fetteren Buchstaben anzeigen, und mit verschiedenen farben. Je kleiner die Wortgröße, weniger wird die Bedeutung sein.
Tag Cloud-Anwendungen
1) Top-Hashtags in sozialen Medien (Instagram, Twitter): Weltweit, Social Media ist im Trend für die neuesten Updates, damit wir die am häufigsten verwendeten Hashtags erhalten, die die Leute in ihren Beiträgen verwenden.
2) Heiße Themen in den Medien: Bei der Analyse von Nachrichtenartikeln, Wir können die Schlüsselwörter in den Schlagzeilen finden und die n anspruchsvollsten Themen extrahieren und das gewünschte Ergebnis erzielen, nämlich, die n angesagtesten Medienthemen.
3)Suchbegriff in einem E-Commerce: Auf einer E-Commerce-Shopping-Website, der Besitzer kann die Wortwolke der meistgesuchten Einkaufsartikel erstellen. Deswegen, Sie können sich ein Bild davon machen, welche Einkäufe in einem bestimmten Zeitraum stark nachgefragt werden.
Beginnen wir mit der Programmierung in Python, um diese Art von Wortwolke zu erreichen
Zuerst, wir müssen alle Bibliotheken im Jupyter Notebook installieren.
Dann, und Python, Es gibt eine integrierte Wordcloud-Bibliothek, die wir installieren werden. An der Anaconda-Eingabeaufforderung, schreibe den folgenden Code:
pip installiere Wordcloud
Wenn Ihre Anaconda-Umgebung Conda unterstützt, Schreiber:
conda installiere wordcloud
Selbst wenn, dies kann direkt am Laptop selbst erreicht werden, einfach durch Hinzufügen ‚!‘ am Anfang des Codes
Mögen:
!pip installiere Wordcloud
Jetzt, hier erzeuge ich die Wortwolke aus dem Wikipedia-Text eines beliebigen Themas. Deswegen, Ich benötige eine Wikipedia-Bibliothek, um auf die Wikipedia-API zugreifen zu können, Was kann getan werden, indem Wikipedia wie folgt in die Anaconda-Eingabeaufforderung installiert wird?:
pip install wikipedia
Jetzt gibt es noch einige andere Bibliotheken, die wir brauchen, sie sind zahlreich. Matplotlib und Pandas.
Im Folgenden, Wir haben alle Bibliotheken, um die Tag-Cloud zu erstellen.
Wikipedia importieren
Ergebnis= wikipedia.page("Maschinelles Lernen")
final_result = result.content
drucken(Endergebnis)
Das Ergebnis der Wikipedia-Seite zum maschinellen Lernen
Das obige Bild ist das Ergebnis, das wir beim Abrufen der Seite für maschinelles Lernen von Wikipedia erhalten haben. Dort können wir auch das Scrollen nach unten sehen, was bedeutet, dass die ganze Seite abgerufen wird.
Hier, Wir können die Seitenzusammenfassung auch durch die Zusammenfassungsmethode abrufen, wie unten gezeigt: Ja
result=wikipedia.summary("Maschinelles Lernen", Sätze=5)
drucken(Ergebnis)
Hier haben wir den Satzparameter, damit wir es verwenden können, um eine bestimmte Anzahl von Zeilen abzurufen.
Die Ausgabe von 5 Gebete
Lass uns jetzt die Wortwolke haben
aus Wordcloud importieren WordCloud, StopWords
import matplotlib.pyplot als plt
def plot_cloud(Wortwolke):
plt.figur(Feigengröße=(10, 10))
plt.imshow(Wortwolke)
plt.achse("aus");
Wortwolke = Wortwolke(Breite = 500, Höhe = 500, background_color="Rosa", random_state=10).generieren(Endergebnis)
plot_cloud(Wortwolke)
Leere Worte sind Wörter, die keine Bedeutung haben, wie z.B. ‚es ist‘, ‚Sohn‘, ‚ein‘, ‚mich‘ und viele mehr.
Wordcloud enthält eine integrierte Bibliothek mit Stoppwörtern, wodurch Stoppwörter automatisch aus dem Text entfernt werden.
Aber, Etwas Cooles hier ist, dass wir unsere Auswahl an Stoppwörtern in Python mit der Funktion stopwords.add hinzufügen können ().
Die Wordcloud-Methode muss Breite und Höhe festlegen, Ich habe beides eingestellt als 500, die Hintergrundfarbe als Pink. Wenn Sie keinen zufälligen Status hinzufügen, jedes Mal, wenn Sie Ihren Code ausführen, deine Wortwolke wird anders aussehen. Muss als int-Wert eingestellt werden.
Hier ist die gewünschte Wortwolke, Wir werden vom vorherigen Code erhalten:
Wenn man die Abbildung"Abbildung" ist ein Begriff, der in verschiedenen Zusammenhängen verwendet wird, Von der Kunst zur Anatomie. Im künstlerischen Bereich, bezieht sich auf die Darstellung menschlicher oder tierischer Formen in Skulpturen und Gemälden. In der Anatomie, bezeichnet die Form und Struktur des Körpers. Was ist mehr, in der Mathematik, "Abbildung" Es hängt mit geometrischen Formen zusammen. Seine Vielseitigkeit macht es zu einem grundlegenden Konzept in mehreren Disziplinen.... anterior, Wir sehen, dass maschinelles Lernen das am häufigsten verwendete Wort ist, und es gibt noch einige andere Wörter, die häufig als Vorbild verwendet werden, Aufgabe, AusbildungTraining ist ein systematischer Prozess zur Verbesserung der Fähigkeiten, körperliche Kenntnisse oder Fähigkeiten. Es wird in verschiedenen Bereichen angewendet, wie Sport, Aus- und Weiterbildung. Zu einem effektiven Trainingsprogramm gehört auch die Zielplanung, Regelmäßiges Üben und Bewerten der Fortschritte. Anpassung an individuelle Bedürfnisse und Motivation sind Schlüsselfaktoren, um in jeder Disziplin erfolgreiche und nachhaltige Ergebnisse zu erzielen...., Daten. Daraus können wir schließen, dass maschinelles Lernen die Aufgabe ist, das Datenmodell zu trainieren.
Wir können auch die Hintergrundfarbe ändern Hintergrundfarbe Methode und Schriftfarben von Farbkarte Methode hier und wir können auch die Hash-Codes der Farben in die Hintergrundfarbe einfügen, aber die Mapcolor kommt mit den spezifischen Farben, die eingebaut sind.
Ändern wir die Hintergrundfarbe mit dem Hash-Code in Türkis und die Schriftfarben in Blau:
aus Wordcloud importieren WordCloud, StopWords
import matplotlib.pyplot als plt
def plot_cloud(Wortwolke):
plt.figur(Feigengröße=(10, 10))
plt.imshow(Wortwolke)
plt.achse("aus");
Wortwolke = Wortwolke(Breite = 500, Höhe = 500, background_color="#40E0D0", Farbkarte="Ozean", random_state=10).generieren(Endergebnis)
plot_cloud(Wortwolke)
Hier, Ich habe Ozean angegeben, wenn ich eine falsche Farbkarte hinzufüge, jupyter wirft einen Wertfehler aus und zeigt mir die verfügbaren Optionen für die Colormap wie unten gezeigt an:
Wor Cloud kann auch mit der PIL-Bibliothek für jedes Image bereitgestellt werden.
Abschließende Anmerkungen
In diesem Artikel, wir streiten über die Wortwolke, seine Definition, Ihre Anwendungsbereiche und Ihr Beispiel in Python mit Jupyter Notebook.
