Cet article a été publié dans le cadre du Blogathon sur la science des données.
introduction
J'ai toujours été amoureux de la visualisation de données depuis le jour où j'ai commencé à travailler dessus. J'aime toujours obtenir des informations utiles à partir des données. Avant ça, Je ne connaissais que les graphiques de base comme les graphiques à barres, diagrammes de dispersion, histogrammesLes histogrammes sont des représentations graphiques qui montrent la distribution d’un ensemble de données. Ils sont construits en divisant la plage de valeurs en intervalles, O "Bacs", et compter la quantité de données tombées dans chaque intervalle. Cette visualisation vous permet d’identifier des modèles, Tendances et variabilité des données, faciliter l’analyse statistique et la prise de décision éclairée dans diverses disciplines...., etc. qui sont intégrés à Tableau et Power BI dans la visualisation de données. En travaillant chaque jour sur cette tâche, Je suis tombé sur beaucoup de nouveaux graphismes, sous forme de diagrammes à jauge radiale, graphiques de gaufres, etc.
Ensuite, par curiosité, Je cherchais récemment tous les types de graphiques utilisés dans la visualisation de données, où ce nuage de mots a attiré mon attention et je l'ai trouvé très intéressant. Jusqu'à maintenant, voir ces images de nuages de mots m'a fait penser que ce ne sont que des images aléatoires où ces mots sont disposés au hasard, Mais je me trompais, et où tout a commencé. Après cela, J'ai essayé de créer un nuage de mots à partir de petites données dans Tableau et Power BI. Après cette tentative réussie, Je voulais le tester en faisant du code en faisant des bargraphes, camemberts et autres graphiques.
Qu'est-ce qu'un nuage de mots ??
Définition: Un nuage de mots est un objet de représentation visuelle simple mais puissant pour le traitement de texte, montrant le mot le plus fréquent en lettres plus grosses et plus audacieuses, et avec des couleurs différentes. Plus la taille du mot est petite, moins sera l'importance.
Utilisations du nuage de tags
1) Les meilleurs hashtags sur les réseaux sociaux (Instagram, Twitter): Dans le monde entier, les médias sociaux sont à la mode pour les dernières mises à jour, afin que nous puissions obtenir les hashtags les plus utilisés que les gens utilisent dans leurs messages.
2) Sujets d'actualité dans les médias: Lors de l'analyse d'articles de presse, nous pouvons trouver les mots-clés dans les titres et extraire les n sujets les plus exigeants et obtenir le résultat souhaité, c'est-à-dire, les n sujets médiatiques les plus en vogue.
3)Terme de recherche dans un e-commerce: Sur un site marchand e-commerce, le propriétaire peut créer le nuage de mots des articles commerciaux les plus recherchés. Donc, vous pouvez avoir une idée des achats les plus demandés au cours d'une période donnée.
Commençons à coder en python pour réaliser ce genre de nuage de mots
En premier lieu, nous devons installer toutes les bibliothèques dans jupyter notebook.
Ensuite, et Python, il y a une bibliothèque wordcloud intégrée que nous allons installer. À l'invite de commande Anaconda, écrire le code suivant:
pip installer wordcloud
Si votre environnement anaconda prend en charge conda, scribe:
conda installer wordcloud
Même si, cela peut être réalisé directement sur l'ordinateur portable lui-même, simplement en ajoutant ‘!’ au début du code
Pareil que:
!pip installer wordcloud
À présent, ici, je vais générer le nuage de mots à partir du texte Wikipedia de n'importe quel sujet. Donc, J'aurai besoin d'une bibliothèque Wikipédia pour accéder à l'API Wikipédia, ce qui peut être fait en installant Wikipedia sur l'invite de commande anaconda comme suit:
pip installer wikipédia
Maintenant, il y a d'autres bibliothèques dont nous avons besoin, elles sont nombreuses. matplotlib et les pandas.
À partir de maintenant, nous avons toutes les bibliothèques pour créer le nuage de tags.
importer wikipédia
result=wikipedia.page("Machine Learning")
résultat_final = résultat.contenu
imprimer(résultat final)
Le résultat de la page Wikipédia de Machine Learning
Ce qui précède est l'image du résultat que nous avons obtenu lors de la récupération de la page d'apprentissage automatique de Wikipedia. Là, nous pouvons également voir le défilement vers le bas, ce qui signifie que toute la page est récupérée.
Ici, nous pouvons également obtenir le résumé de la page par la méthode récapitulative comme indiqué ci-dessous: Oui
result=wikipedia.summary("Machine Learning", phrases=5)
imprimer(résultat)
Ici, nous avons le paramètre de phrase, nous pouvons donc l'utiliser pour récupérer un nombre spécifique de lignes.
La sortie de 5 prières
Ayons le nuage de mots maintenant
à partir de wordcloud importer WordCloud, Mots d'arrêt
importer matplotlib.pyplot en tant que plt
def plot_cloud(mot nuage):
plt.figure(taille de la figue=(10, 10))
plt.imshow(mot nuage)
plt.axis("désactivé");
nuage de mots = nuage de mots(largeur = 500, hauteur = 500, background_color="rose", état_aléatoire=10).produire(résultat final)
plot_cloud(mot nuage)
Les mots vides sont des mots qui n'ont aucun sens comme ‘il est’, ‘fils’, ‘ongle’, ‘je’ et beaucoup plus.
Wordcloud est livré avec une bibliothèque intégrée de mots vides, qui supprimera automatiquement les mots vides du texte.
Mais, Quelque chose de cool à venir ici, c'est que nous pouvons ajouter notre choix de mots vides en Python en utilisant la fonction stopwords.add ().
La méthode Wordcloud aura une largeur et une hauteur à définir, J'ai défini les deux comme 500, la couleur de fond en rose. Si vous n'ajoutez pas d'état aléatoire, chaque fois que vous exécutez votre code, votre nuage de mots sera différent. Doit être défini comme une valeur int.
Voici le nuage de mots souhaité, nous obtiendrons du code précédent:
En voyant la chiffre"Chiffre" est un terme utilisé dans divers contextes, De l’art à l’anatomie. Dans le domaine artistique, fait référence à la représentation de formes humaines ou animales dans des sculptures et des peintures. En anatomie, désigne la forme et la structure du corps. En outre, en mathématiques, "chiffre" Il est lié aux formes géométriques. Sa polyvalence en fait un concept fondamental dans de multiples disciplines.... antérieur, nous voyons que l'apprentissage automatique est le mot le plus utilisé, et il y a d'autres mots qui sont fréquemment utilisés comme modèle, tâche, entraînementLa formation est un processus systématique conçu pour améliorer les compétences, connaissances ou aptitudes physiques. Il est appliqué dans divers domaines, Comme le sport, Éducation et développement professionnel. Un programme d’entraînement efficace comprend la planification des objectifs, Pratique régulière et évaluation des progrès. L’adaptation aux besoins individuels et la motivation sont des facteurs clés pour obtenir des résultats réussis et durables dans toutes les disciplines...., Les données. Nous pouvons donc conclure que l'apprentissage automatique est la tâche d'entraînement du modèle de données.
Nous pouvons également changer la couleur de fond Couleur de l'arrière plan méthode et couleurs de police par carte des couleurs méthode ici et nous pouvons également ajouter les codes de hachage des couleurs dans la couleur de fond, mais le mapcolor est livré avec les couleurs spécifiques intégrées.
Changeons la couleur de fond en turquoise en utilisant son code de hachage et les couleurs de police en bleu:
à partir de wordcloud importer WordCloud, Mots d'arrêt
importer matplotlib.pyplot en tant que plt
def plot_cloud(mot nuage):
plt.figure(taille de la figue=(10, 10))
plt.imshow(mot nuage)
plt.axis("désactivé");
nuage de mots = nuage de mots(largeur = 500, hauteur = 500, background_color="#40E0D0", palette de couleurs="océan", état_aléatoire=10).produire(résultat final)
plot_cloud(mot nuage)
Ici, j'ai spécifié l'océan, si j'ajoute une mauvaise palette de couleurs, jupyter lancera une erreur de valeur et me montrera les options disponibles pour la palette de couleurs comme indiqué ci-dessous:
Wor cloud peut également être déployé sur n'importe quelle image à l'aide de la bibliothèque PIL.
Remarques finales
Dans cet article, nous nous disputons sur le nuage de mots, sa définition, vos domaines d'application et votre exemple en python avec jupyter notebook.
