Este artigo foi publicado como parte do Data Science Blogathon.
Introdução
Sempre fui apaixonado pela visualização de dados desde o dia em que comecei a trabalhar nisso. Sempre gosto de obter informações úteis de dados. Antes disso, Eu só conhecia gráficos básicos como gráficos de barras, diagramas de dispersão, histogramasHistogramas são representações gráficas que mostram a distribuição de um conjunto de dados. Eles são construídos dividindo o intervalo de valores em intervalos, o "Caixas", e contando quantos dados caem em cada intervalo. Essa visualização permite identificar padrões, tendências e variabilidade de dados de forma eficaz, facilitando a análise estatística e a tomada de decisões informadas em várias disciplinas...., etc. que são integrados ao Tableau e Power BI na visualização de dados. Trabalhando todos os dias nesta tarefa, Eu encontrei muitos novos gráficos, como gráficos de medidor radial, gráficos waffle, etc.
Então, por curiosidade, Recentemente, procurei todos os tipos de gráficos usados na visualização de dados, onde esta nuvem de palavras me chamou a atenção e achei muito interessante. Até agora, ver essas imagens de nuvem de palavras me fez pensar que essas são apenas imagens aleatórias onde essas palavras estão dispostas aleatoriamente, mas eu estava errado, e onde tudo começou. Depois disso, Tentei criar uma nuvem de palavras a partir de pequenos dados no Tableau e Power BI. Depois daquela tentativa bem-sucedida, Eu queria testá-lo criando gráficos de barras de código, gráficos de pizza e outros gráficos.
O que é basicamente uma nuvem de palavras?
Definição: Uma nuvem de palavras é um objeto de representação visual simples, mas poderoso, para processamento de texto, mostrando a palavra mais frequente em letras maiores e mais ousadas, e com cores diferentes. Quanto menor o tamanho da palavra, menos será a importância.
Usos de Tag Cloud
1) Principais hashtags nas redes sociais (Instagram, Twitter): Em todo o mundo, a mídia social é tendência para as atualizações mais recentes, para que possamos obter as hashtags mais usadas que as pessoas usam em suas postagens.
2) Tópicos populares na mídia: Ao analisar artigos de notícias, podemos encontrar as palavras-chave nas manchetes e extrair os n tópicos mais exigentes e obter o resultado desejado, quer dizer, os n tópicos de mídia mais populares.
3)Termo de pesquisa em um e-commerce: Em um site de compras de comércio eletrônico, o proprietário pode criar a nuvem de palavras dos itens de compras mais pesquisados. Portanto, você pode ter uma ideia de quais compras estão em alta demanda durante um período específico.
Vamos começar a programar em python para alcançar esse tipo de nuvem de palavras
Em primeiro lugar, precisamos instalar todas as bibliotecas no notebook jupyter.
Então, e Python, há uma biblioteca Wordcloud embutida que iremos instalar. No prompt de comando do Anaconda, escreva o seguinte código:
pip instalar wordcloud
Se o seu ambiente anaconda suporta conda, escriba:
conda instalar wordcloud
Embora, isso pode ser feito diretamente no próprio laptop, simplesmente adicionando '!’ no início do código
Igual que:
!pip instalar wordcloud
Agora, aqui eu vou gerar a nuvem palavra do texto wikipedia de qualquer tópico. Portanto, Vou precisar de uma biblioteca da Wikipédia para acessar a API da Wikipédia, o que pode ser feito instalando a Wikipédia no prompt comando anaconda da seguinte forma:
pip instalar wikipedia
Agora há algumas outras bibliotecas que precisamos, são numerosos. matplotlib e pandas.
A partir de agora, temos todas as bibliotecas para criar a nuvem tag.
importação wikipedia
resultado= wikipedia.page("Aprendizado de máquina")
final_result = result.content
print(resultado final)
O resultado da página de aprendizado de máquina da Wikipedia
A imagem acima é a imagem do resultado que obtivemos ao recuperar a página de aprendizado de máquina da Wikipedia. Lá também podemos ver a rolagem para baixo, o que significa que toda a página é recuperada.
Aqui, também podemos obter o resumo da página pelo método de resumo, conforme mostrado abaixo: e
result = wikipedia.summary("Aprendizado de máquina", sentenças = 5)
imprimir(resultado)
Aqui temos o parâmetro de frase, para que possamos usá-lo para recuperar um número específico de linhas.
A saída de 5 orações
Vamos ter a nuvem de palavras agora
da importação do WordCloud WordCloud, StopWords
import matplotlib.pyplot as plt
def plot_cloud(palavra nuvem):
plt.figure(figsize =(10, 10))
plt.imshow(palavra nuvem)
plt.axis("desligado");
wordcloud = WordCloud(largura = 500, altura = 500, background_color ="rosa", random_state=10).gerar(resultado final)
plot_cloud(palavra nuvem)
Palavras vazias são palavras que não têm significado como 'é', 'são', 'um', "Eu’ e muito mais.
Wordcloud vem com uma biblioteca embutida de palavras vazias, que removerá automaticamente as palavras irrelevantes do texto.
Mas, algo legal chegando aqui é que podemos adicionar nossa escolha de palavras irrelevantes em python usando a função stopwords.add ().
O método Wordcloud terá largura e altura para definir, Eu configurei ambos como 500, a cor de fundo como rosa. Se você não adicionar um estado aleatório, toda vez que você executa seu código, sua nuvem de palavras parecerá diferente. Deve ser definido como um valor int.
Aqui está a nuvem de palavras desejada, vamos obter do código anterior:
Al ver la figura"Figura" é um termo usado em vários contextos, Da arte à anatomia. No campo artístico, refere-se à representação de formas humanas ou animais em esculturas e pinturas. Em anatomia, designa a forma e a estrutura do corpo. O que mais, em matemática, "figura" está relacionado a formas geométricas. Sua versatilidade o torna um conceito fundamental em várias disciplinas.... anterior, vemos que aprendizado de máquina é a palavra mais usada, e há algumas outras palavras que são usadas frequentemente como modelo, tarefa, TreinamentoO treinamento é um processo sistemático projetado para melhorar as habilidades, Conhecimento ou habilidades físicas. É aplicado em várias áreas, como esporte, Educação e desenvolvimento profissional. Um programa de treinamento eficaz inclui planejamento de metas, prática regular e avaliação do progresso. A adaptação às necessidades individuais e a motivação são fatores-chave para alcançar resultados bem-sucedidos e sustentáveis em qualquer disciplina...., dados. Portanto, podemos concluir que o aprendizado de máquina é a tarefa de treinar o modelo de dados.
Também podemos mudar a cor de fundo cor de fundo método e cores de fonte por mapa de cores método aqui e também podemos adicionar os códigos hash das cores na cor de fundo, mas o mapcolor vem com as cores específicas embutidas.
Vamos alterar a cor de fundo para turquesa usando seu código hash e as cores da fonte para azul:
da importação do WordCloud WordCloud, StopWords
import matplotlib.pyplot as plt
def plot_cloud(palavra nuvem):
plt.figure(figsize =(10, 10))
plt.imshow(palavra nuvem)
plt.axis("desligado");
wordcloud = WordCloud(largura = 500, altura = 500, background_color ="#40E0D0", colormap="oceano", random_state=10).gerar(resultado final)
plot_cloud(palavra nuvem)
Aqui, Eu especifiei o oceano, se eu adicionar um mapa de cores incorreto, jupyter vai jogar um erro de valor e me mostrar as opções disponíveis para o mapa de cores como mostrado abaixo:
Wor cloud também pode ser implantado em qualquer imagem usando a biblioteca PIL.
Notas finais
Neste artigo, nós discutimos sobre a nuvem de palavras, sua definição, suas áreas de aplicação e seu exemplo em python usando o notebook jupyter.
