英文文本词云（Wordcloud）绘制

在数据的探索性分析过程中，对于数值型数据集，我们可以使用pd.info()，pd.describe()来对数据做一些统计汇总，使我们对数据有一个初步的整体认识。我们也可以对其做一些可视化的展示，如使用柱状图，直方图，散点图等等。但是对于文本数据，上述的方式就没有那么有效了。在此我们可以使用词云，来对文本数据做一个直观的展示，使我们对文本数据有一个整体的了解。

这一节，我们对英文文本绘制词云。由于英文文本是以空格来分开的，所以不需要做分词处理，可以直接绘制词云。在绘制词云的时候，我们可以找一些模板，直接套用过来就ok了。

1.垃圾邮件分类数据集词云绘制
接下来，我们将以垃圾邮件分类数据集为例来进行展示。该数据集提取链接如下：
链接：https://pan.baidu.com/s/1_wruskJfFfEyKIFfgsKHHg
提取码：q9t3

代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud,STOPWORDS
%matplotlib inline

#创建一个绘制词云的函数
def plot_wordcloud(text,title):
    wordcloud = WordCloud(background_color = 'black',
                         stopwords = set('STOPWORDS'),
                        max_words = 100,
                         max_font_size = 40,
                         relative_scaling = 1,
                         random_state = 3
    ).generate(str(text))
    fig = plt.figure(figsize = (8,8))
    plt.axis('off')
    plt.title(title)
    plt.imshow(wordcloud)

#导入垃圾邮件分类数据集
df = pd.read_csv('D:\\Py_dataset\\SMSSpamCollection',
names = ['Class','Message'],sep = '\t',encoding = 'utf-8')
df.head() #查看前5行数据

#绘制正常邮件的词云
ham_mesg = df.loc[df['Class'] == 'ham']['Message']
plot_wordcloud(ham_mesg,'Ham Message')
#绘制垃圾邮件的词云
spam_mesg = df.loc[df['Class'] == 'spam']['Message']
plot_wordcloud(spam_mesg,'Spam Message')

Ham message.png spam message.png
2.wordcloud参数说明
wordcloud是python的一个外部库，在使用的时候，我们首先应该安装wordcloud库。在anaconda prompt终端输入'pip install wordcloud'就可以了，然后就可以使用它来画图了。

---

*background_color：背景颜色，通常设置为'white','black'等。
*stopwords：停用词，词云中需要显示的词。
*max_words：整数，显示的词的最大数量。
*max_font_size：整数，最大的字体尺寸。
*min_font_size：整数，最小的字体尺寸。
*relative_scaling：浮点型，图片放大缩小的系数。
*font_path：字体的路径，对于汉语特别重要，如果缺失该参数，则汉语无法显示出来。
*height：图片的高度。
*width：图片的高度。
*mask：参考图片的形状。

---

3.绘制一个带有形状的词云

#提取将要绘制词云的文本
text = df.loc[df['Class'] == 'spam']['Message']
#读取一张带有形状的图片
wordcloud_image = plt.imread('D:\\Py_dataset\\girl.jpg')

wordcloud = WordCloud(background_color = 'white',
                     stopwords = set('STOPWORDS'),
                     mask = wordcloud_image,
                     max_font_size = 80,
                     min_font_size= 40,
                     max_words = 100,
                     )
wordcloud.generate(str(text))
plt.figure(figsize = (4,6))
plt.axis('off')
plt.imshow(wordcloud)

真实的图片形状

girl.jpg

词云形状：

girl_wordcloud.png

英文文本词云绘制小结
1.在对英文文本进行探索时，第一步可通过绘制词云来了解文本的关键字。
2.使用WordCloud库来绘制词云。
3.熟悉WordCloud中的各个参数，根据自己的实际需要做相应的设置。