三个方法教你做词云图,连文科生都能轻松学会

国内新闻 浏览(1525)

扬柔软,我想昨天分享

经常进行数据分析的人肯定不会对词云图不熟悉,特别是近年来。无论是会议,行业报告还是新闻,他们都喜欢用文字云的形式来生动地撰写信息关键词。这种模式可以立刻吸引陌生人的目光,因为云图的视觉图形的第一印象足以强迫它,足够明亮!

罗振宇的新年演讲使用了词云

但是云图这个词的最大优点不是它的颜色值,而是可以直观地显示数据频率,高频率地突出显示关键词,并过滤掉大量文本信息以帮助我们执行数据。分析。

此外,如果您可以自己制作单词云图,可以将它发送给朋友圈吗?

互联网上有很多在线文字云制作网站,但基本上很难过滤和过滤数据。它只是一个好看的皮肤。对于数据分析师,我仍然需要使用专业的分析工具。下面我使用Python和FineBI这两种常用的数据分析工具来学习如何制作酷炫和加载的单词。

Pyhton

1.安装Python运行时环境和包

毋庸置疑,这个推荐的包是anaconda,云这个词很有用。下载完成后,在配置操作环境后,执行安装文件。

2.准备数据

以下是我在英文文章中发现的词云生成数据库:

我复制了它的正文部分并将其存储为名为yes-minister.txt的文本文件。将此文件移动到我们的工作目录演示中,以便数据准备就绪。

3.开始制作文字云

词云的核心步骤只有两个输入文本和调用词云包。

首先,在命令行中键入:

Jupyter笔记本

浏览器将自动打开并显示以下界面 Jupyter的主页面,我们单击New按钮并选择Python 2选项。

声明,输入后,按Shift + Enter执行。

文件名='是-minister.txt'

使用open(filename)作为f:

MYTEXT=f.read

显示的结果如下所示。

文本出现,然后我们称之为云包,使用mytext中存储的文本内容来创建单词云。

从wordcloud导入WordCloud

Wordcloud=WordCloud.generate(mytext的)

此时,制作单词云的两个核心步骤已经完成。

4,呼唤云词,完成

输入以下4行:

%pylab inline

将matplotlib.pyplot导入为plt

Plt.imshow(wordcloud,interpolation='bilinear')

Plt.axis( 'OFF')

结果如下所示:

这样一个简单的词云图已经准备就绪。如果你想让词云图更漂亮,你需要调整各种参数。你不会在这里逐一解释。如果您有兴趣,可以慢慢探索它。

FineBI

与Python相比,使用FineBI的最大好处是您不必编写代码,它易于使用,没有数据和编程基础的人可以轻松地创建一个好的文字云。

1.下载并安装FineBI,准备数据

为方便起见,我将在此处直接使用FineBI附带的数据。

2,组件设置

创建新组件并选择样式数据服务包下的搜索词汇表统计信息表。将要分析的区域下的“搜索词”字段拖动到水平轴,并将指示符下的“搜索时间”字段拖到垂直轴上。在“类型”下选择单词云图。

3.优化大小,文字和颜色

选择图表类型后,图形属性下的形状将自动切换为文本,尺寸字段将添加到文本中,指示符字段将添加到尺寸属性中,如下所示:

4.文字云完成

总结

通过词云分析,我们可以看到哪些数据最常出现,以及我们关注的是什么。我这次展示的词云也很简单,后来的研究和研究使它更加美观和精确。

收集报告投诉

经常进行数据分析的人肯定不会对词云图不熟悉,特别是近年来。无论是会议,行业报告还是新闻,他们都喜欢用文字云的形式来生动地撰写信息关键词。这种模式可以立刻吸引陌生人的目光,因为云图的视觉图形的第一印象足以强迫它,足够明亮!

罗振宇的新年演讲使用了词云

但是云图这个词的最大优点不是它的颜色值,而是可以直观地显示数据频率,高频率地突出显示关键词,并过滤掉大量文本信息以帮助我们执行数据。分析。

此外,如果您可以自己制作单词云图,可以将它发送给朋友圈吗?

互联网上有很多在线文字云制作网站,但基本上很难过滤和过滤数据。它只是一个好看的皮肤。对于数据分析师,我仍然需要使用专业的分析工具。下面我使用Python和FineBI这两种常用的数据分析工具来学习如何制作酷炫和加载的单词。

Pyhton

1.安装Python运行时环境和包

毋庸置疑,这个推荐的包是anaconda,云这个词很有用。下载完成后,在配置操作环境后,执行安装文件。

2.准备数据

以下是我在英文文章中发现的词云生成数据库:

我复制了它的正文部分并将其存储为名为yes-minister.txt的文本文件。将此文件移动到我们的工作目录演示中,以便数据准备就绪。

3.开始制作文字云

词云的核心步骤只有两个输入文本和调用词云包。

首先,在命令行中键入:

Jupyter笔记本

浏览器将自动打开并显示以下界面 Jupyter的主页面,我们单击New按钮并选择Python 2选项。

声明,输入后,按Shift + Enter执行。

文件名='是-minister.txt'

使用open(filename)作为f:

MYTEXT=f.read

显示的结果如下所示。

文本出现,然后我们称之为云包,使用mytext中存储的文本内容来创建单词云。

从wordcloud导入WordCloud

Wordcloud=WordCloud.generate(mytext的)

此时,制作单词云的两个核心步骤已经完成。

4,呼唤云词,完成

输入以下4行:%Pylab内联将matplotlib.pyplot导入为pltplt.imshow(wordcloud,interpolation='双线性')PLT.轴(“关闭”)。结果如下:0×2521个这样一个简单的词云地图已经准备好了。如果你想让单词cloud map更漂亮,你需要调整各种参数。你不能在这里一个一个地解释。如果你感兴趣的话,可以慢慢地探索。Finebi公司与Python相比,使用FieBi的最大好处是不必编写代码,它易于使用,并且没有数据和编程基础的人可以很容易地生成一个好的单词云。1。下载并安装finebi,准备数据为了方便起见,我将直接在这里使用FineBi附带的数据。0×2522个2、组件设置创建一个新组件,并选择样式数据服务包下的搜索词汇统计表。将待分析区域下的字段“搜索词”拖到水平轴上,将指标下的字段“搜索次数”拖到垂直轴上。选择“类型”下的“云地图”一词。0×2523个三。优化大小、文本和颜色选择图表类型后,图形属性下的形状将自动切换为文本,尺寸字段将添加到文本,指示器字段将添加到尺寸属性,如下所示:0×2524个4。Word Cloud已完成0×2525个

总结

通过词云分析,我们可以看到哪些数据最常出现,以及我们关注的是什么。我这次展示的词云也很简单,后来的研究和研究使它更加美观和精确。