威斯尼斯人娱乐官方网站登录
Mou Mou Jidian Generator
发电机维修 发电机回收
发电机出售 发电机租赁
客户统一服务热线
047-74308488
12992334529
047-74308488
12992334529
先容从开始从事数据可视化事情的那一天起，我就爱上它了。我总是喜欢从数据中获得有用的看法。
在此之前，我只相识基本图表，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。通过天天完成此任务，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，我发现它很是有趣。
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，可是我错了，而且一切都从这里开始。之后，我实验使用Tableau和Power BI中的少量数据制作词云。
在乐成实验之后，我想通过编写条形图，饼图和其他图表的代码来实验使用它。词云是什么？界说：词云是一个简朴但功效强大的可视化表现工具，用于文本处置惩罚，它以更大，更粗的字母和差别的颜色显示最常用的词。单词的巨细越小，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，并获得所需的效果，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，他就可以相识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下令提示符下，输入以下代码：pip install wordcloud如果你的anaconda情况支持conda，请输入：conda install wordcloud虽然，这可以直接在notebook自己中实现，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库来会见Wikipedia API，可以通过在anaconda下令提示符下安装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。停止现在，我们需要的库就安装好了import wikipediaresult= wikipedia.page("MachineLearning")final_result = result.contentprint(final_result)机械学习维基百科页面的输出：上图是我们通过检索Wikipedia的机械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转动，这表现将检索整个页面。
在这里，我们还可以通过摘要方法获得页面的摘要，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个句子让我们一起建立wordcloudfrom wordcloud import WordCloud, StopWordsimport 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)停用词是没有任何寄义的单词，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，配景色设置为粉红色。如果不添加随机状态，则每次运行代码时，词云都市看起来差别。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：通过检察上图，我们可以看到机械学习是最常用的词，另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，机械学习是训练数据模型的任务。我们还可以在这里通过配景颜色方法更改配景颜色，并通过colormap方法更改字体颜色，还可以在配景颜色中添加颜色的哈希码，可是mapcolor带有内置的特定颜色。让我们通过使用哈希码将配景色更改为蓝绿色，将字体颜色更改为蓝色：from wordcloud import WordCloud, StopWordsimport matplotlib.pyplot as pltdef 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。
尾注在本文中，我们讨论了词云，词云的界说，应用领域以及使用jupyter notebook的python示例。
本文来源：威斯尼斯人娱乐官方网站登录-www.bj-bcm.com
手机网站微信