11
雷鋒網(wǎng)按：本文作者王樹(shù)義，原載于微信公眾號(hào)玉樹(shù)芝蘭（nkwangshuyi），雷鋒網(wǎng)經(jīng)授權(quán)發(fā)布。
臨淵羨魚(yú)，不如退而結(jié)網(wǎng)。我們步步為營(yíng)，從頭開(kāi)始幫助你用Python做出第一張?jiān)~云圖來(lái)。歡迎嘗試哦！
在大數(shù)據(jù)時(shí)代，你經(jīng)?？梢栽诿襟w或者網(wǎng)站上看到一些非常漂亮的信息圖。
例如這個(gè)樣子。
或是這個(gè)樣子的。
看過(guò)之后你有什么感覺(jué)？想不想自己做一張出來(lái)？
如果你的答案是肯定的，我們就不要拖延了，今天就來(lái)一步步從零開(kāi)始做個(gè)詞云分析圖。當(dāng)然，做為基礎(chǔ)的詞云圖，肯定比不上剛才那兩張信息圖酷炫。不過(guò)不要緊，好的開(kāi)始是成功的一半嘛。食髓知味，后面你就可以自己升級(jí)技能，進(jìn)入你開(kāi)掛的成功之路。
網(wǎng)上教你做信息圖的教程很多。許多都是利用了專用工具。這些工具好是好，便捷而強(qiáng)大。只是它們功能都太過(guò)專一，適用范圍有限。今天我們要嘗試的，是用通用的編程語(yǔ)言Python來(lái)做詞云。
Python是一種時(shí)下很流行的編程語(yǔ)言。你不僅可以用它做數(shù)據(jù)分析和可視化，還能用來(lái)做網(wǎng)站、爬取數(shù)據(jù)、做數(shù)學(xué)題、寫腳本替你偷懶……
知道豆瓣嗎？它一開(kāi)始就是用Python寫的。
在目前的編程語(yǔ)言熱度排序里，Python屈居第四（當(dāng)然，很多人不同意，所以編程語(yǔ)言的排行榜有許多，你懂的）。但看問(wèn)題要用發(fā)展眼光。隨著數(shù)據(jù)科學(xué)的發(fā)展，Python有爆發(fā)的趨勢(shì)。早點(diǎn)兒站上風(fēng)口，很有益處。
如果你之前沒(méi)有編程基礎(chǔ)，沒(méi)關(guān)系。從零開(kāi)始，意味著我會(huì)教你如何安裝Python運(yùn)行環(huán)境，一步步完成詞云圖。希望你不要限于瀏覽，而是親自動(dòng)手嘗試一番。到完成的那一步，你不僅可以做出第一張?jiān)~云圖，而且這還將是你的第一個(gè)有用的編程作品。
心動(dòng)了？那咱們就開(kāi)始吧。
首先，我們需要安裝Python運(yùn)行環(huán)境。
如果你用的是macOS，那么你的系統(tǒng)里面實(shí)際已經(jīng)預(yù)裝好了Python。
然而我們要使用到許多擴(kuò)展包的功能。因此最好安裝一個(gè)Python工具套裝。只需要一次安裝，以后大部分的功能就都已集成了。不必每次使用新功能，都去零敲碎打地安裝新包了。
Python的套裝有許多種，這里推薦給大家anaconda。因?yàn)榻?jīng)過(guò)我4年多的嘗試與對(duì)比，感覺(jué)這款軟件包的安裝更為便捷，擴(kuò)展包的涵蓋范圍與結(jié)構(gòu)更合理。
首先下載anaconda套裝，具體下載鏈接如下：
下拉網(wǎng)頁(yè)找到下載位置。根據(jù)你的操作系統(tǒng)類型選擇合適的版本。
因?yàn)槲业南到y(tǒng)是macOS，所以網(wǎng)站直接給我推薦的就是macOS系統(tǒng)版本。但如果你用的是Windows或Linux，請(qǐng)切換到相應(yīng)的標(biāo)簽頁(yè)上面。
不管你用的是哪個(gè)操作系統(tǒng)，請(qǐng)注意右側(cè)的兩個(gè)按鈕，分別對(duì)應(yīng)Python 2.X和3.X版本。有人一定很納悶，既然有新的版本，我憑什么用舊的？
不是這樣的。到2020年之前，Python的兩個(gè)版本會(huì)一直并存。Python的開(kāi)發(fā)者確實(shí)希望大家升級(jí)切換到3.X版本?？上壳?.X版本兼容的擴(kuò)展包數(shù)量比2.X版本要少，尤其是涉及到數(shù)據(jù)科學(xué)類的軟件包，就尤其明顯。所以如果你是初學(xué)者，我建議你下載2.X（目前是2.7)版本，這樣在以后的使用中，可能遇到的問(wèn)題會(huì)少一些。等你運(yùn)用熟練了，再遷移到3.X版本不遲。相信我，到那時(shí)你會(huì)很快適應(yīng)新版本的。
下載后，執(zhí)行安裝文件就行了。
根據(jù)你的電腦運(yùn)行速度不同，安裝的時(shí)間長(zhǎng)短不等。耐心點(diǎn)兒，只需要等這一次嘛。
安裝完畢之后，請(qǐng)你安裝一個(gè)“現(xiàn)代化”瀏覽器。如果你用的是macOS，那么系統(tǒng)自帶的Safari就挺好。其他的選擇包括Firefox和Google Chrome。
請(qǐng)安裝上述瀏覽器之一，然后將其設(shè)置為系統(tǒng)默認(rèn)的瀏覽器。
好了，下面請(qǐng)進(jìn)入命令行模式。
在macOS和Linux下，你需要開(kāi)啟一個(gè)終端(terminal)。
如果是Windows，請(qǐng)打開(kāi)“開(kāi)始”-“附件”-“命令提示符”。
鍵入以下命令：
mkdir demo
cd demo
好了，你現(xiàn)在有一個(gè)專用的目錄，叫做demo了。請(qǐng)到macOS的Finder或者Windows的“我的電腦”里面，找到這個(gè)目錄并且打開(kāi)它。
回到終端下面，macOS或者Linux用戶請(qǐng)鍵入以下命令：
pip install wordcloud
macOS會(huì)提示你先安裝XCode命令行工具，你按照默認(rèn)設(shè)置一步步進(jìn)行就可以了。但是請(qǐng)注意，務(wù)必在WiFi環(huán)境下安裝。如果你用的是4G流量，那你可要破費(fèi)一筆了。
如果你用的是Windows，那么為了使用這個(gè)詞云包，就稍微麻煩一些，你需要到下載 wordcloud?1.3.1?cp27?cp27m?win32.whl 這個(gè)文件，并將它拖拽到你的demo目錄里。具體下載鏈接如下：
在命令行下，先執(zhí)行：
pip install wheel
然后，再執(zhí)行：
pip install wordcloud?1.3.1?cp27?cp27m?win32.whl
好了，我們需要的全部Python運(yùn)行環(huán)境終于裝好了。
請(qǐng)務(wù)必按照上述步驟執(zhí)行，確保每一步都已經(jīng)順利完成。否則一旦遺漏，后面運(yùn)行程序會(huì)報(bào)錯(cuò)。
詞云分析的對(duì)象，是文本。
理論上講，文本可以是各種語(yǔ)言的。英文、中文、法文、阿拉伯文……
為了簡(jiǎn)便，我們這里以英文文本為例。你可以隨意到網(wǎng)上找一篇英文文章作為分析對(duì)象。我特別喜歡英劇"Yes, minister"，所以到維基百科上找到了這部劇的介紹詞條。
我把其中的正文文字部分拷貝了下來(lái)，存儲(chǔ)為一個(gè)文本文件，叫做yes-minister.txt。
把這個(gè)文件挪動(dòng)到我們的工作目錄demo里。
好了，文本數(shù)據(jù)已經(jīng)準(zhǔn)備好了。開(kāi)始進(jìn)入編程的魔幻世界吧！
在命令行下，執(zhí)行：
jupyter notebook
瀏覽器會(huì)自動(dòng)開(kāi)啟，并且顯示如下界面。
這就是咱們剛才的勞動(dòng)成果——安裝好的運(yùn)行環(huán)境了。我們還沒(méi)有編寫程序，目錄下只有一個(gè)剛才生成的文本文件。
打開(kāi)這個(gè)文件，瀏覽一下內(nèi)容。
回到Jupyter筆記本的主頁(yè)面。我們點(diǎn)擊New按鈕，新建一個(gè)筆記本(Notebook)。在Notebooks里面，請(qǐng)選擇Python 2選項(xiàng)。
系統(tǒng)會(huì)提示我們輸入Notebook的名稱。程序代碼文件的名稱，你可以隨便起。但是我建議你起一個(gè)有意義的名字，將來(lái)好方便查找。由于我們要嘗試詞云，就叫它wordcloud好了。
然后就出現(xiàn)了一個(gè)空白的筆記本，供我們使用了。我們?cè)诰W(wǎng)頁(yè)里唯一的代碼文本框里，輸入以下3條語(yǔ)句。請(qǐng)務(wù)必逐字根據(jù)示例代碼輸入，空格數(shù)量都不可以有差別。尤其注意第三行，用4個(gè)空格，或者1個(gè)Tab開(kāi)始。輸入后，按Shift+Enter鍵，就可以執(zhí)行了。
filename = "yes-minister.txt"
with open(filename) as f:
mytext = f.read()
沒(méi)有任何結(jié)果啊。
對(duì)，因?yàn)槲覀冞@里沒(méi)有任何輸出動(dòng)作，程序只是打開(kāi)了你的yes-minister.txt文本文件，把里面的內(nèi)容都讀了出來(lái)，存儲(chǔ)到了一個(gè)叫做mytext的變量里面。
然后我們嘗試顯示mytext的內(nèi)容。輸入以下語(yǔ)句之后，還是得按Shift+Enter鍵，系統(tǒng)才會(huì)實(shí)際執(zhí)行該語(yǔ)句。
mytext
之后的步驟里，也千萬(wàn)不要忘了這一確認(rèn)執(zhí)行動(dòng)作。
顯示的結(jié)果如下圖所示。
嗯，看來(lái)mytext變量里存儲(chǔ)的文本就是我們從網(wǎng)上摘來(lái)的文字。到目前為止，一切正常。
然后我們呼喚(import)詞云包，利用mytext中存儲(chǔ)的文本內(nèi)容來(lái)制造詞云。
from wordcloud import WordCloud
wordcloud = WordCloud().generate(mytext)
這時(shí)程序可能會(huì)報(bào)警。別擔(dān)心。警告(warning)不影響程序的正常運(yùn)行。
此時(shí)詞云分析已經(jīng)完成了。你沒(méi)看錯(cuò)，制作詞云的核心步驟只需要這2行語(yǔ)句，而且第一條還只是從擴(kuò)展包里找外援。但是程序并不會(huì)給我們顯示任何東西。
說(shuō)好了的詞云呢？折騰了這么半天，卻啥也沒(méi)有，你蒙人嗎？！
別激動(dòng)。輸入下面4行語(yǔ)句后，就是見(jiàn)證奇跡發(fā)生的時(shí)刻了。
%pylab inline
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
運(yùn)行結(jié)果如圖所示：
不用那么興奮嘛。
你可以在詞云圖片上單機(jī)鼠標(biāo)右鍵，用“圖片另存為”功能導(dǎo)出。
通過(guò)這張?jiān)~云圖，我們可以看到不同單詞和詞組出現(xiàn)的頻率高低差別。高頻詞的字體明顯更大，而且顏色也很醒目。值得說(shuō)明的是，最顯眼的單詞Hacker并不是指黑客，而是指這部劇的主角之一——哈克首相。
包含程序完整代碼的ipynb文件，我也分享了出來(lái)，你可以從如下鏈接下載：
希望你在嘗試過(guò)程中一切順利。對(duì)自己生成的詞云圖滿意嗎？如果你不滿意，也不要緊，可以挖掘wordcloud軟件包的其他高級(jí)功能。嘗試一下，看自己能不能做出這樣的詞云圖來(lái)？
學(xué)完了本方法后，你做出了一張什么樣的詞云圖？除了本文介紹的方法以外，你還知道哪些便捷地制作詞云或其他信息圖的方式？歡迎留言，分享給大家。我們共同交流討論。
雷鋒網(wǎng)相關(guān)閱讀：
貸還是不貸：如何用 Python 和機(jī)器學(xué)習(xí)幫你決策？
詳解基于樸素貝葉斯的情感分析及 Python 實(shí)現(xiàn)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
