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。
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，現(xiàn)在就開(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。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(zhuān)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(zhuān)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(xiě)腳本替你偷懶……
知道豆瓣嗎？它一開(kāi)始就是用 Python 寫(xiě)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。
安裝
首先，我們需要安裝 Python 運(yùn)行環(huán)境。我專(zhuān)門(mén)為你錄制了一個(gè)視頻教程，請(qǐng)點(diǎn)擊這個(gè)鏈接查看，并仿照安裝。
進(jìn)行下一步之前，請(qǐng)確保你已經(jīng)安裝好了 Anaconda ，并且已經(jīng)進(jìn)入了終端。
請(qǐng)鍵入以下命令：
pip install wordcloud
如果你用的操作系統(tǒng)是蘋(píng)果的 macOS ，系統(tǒng)就會(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。
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。好在我為你錄制了在 Windows 下用 Python 制作詞云的完整視頻教程，請(qǐng)點(diǎn)擊這個(gè)鏈接查看。
數(shù)據(jù)
安裝了 Python 的運(yùn)行環(huán)境，我們還需要數(shù)據(jù)。
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 。
請(qǐng)你點(diǎn)擊這個(gè)網(wǎng)址鏈接，下載壓縮包。并且把壓縮包解壓，將其中的 yes-minister.txt 文件挪動(dòng)到工作目錄 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！
代碼
你會(huì)注意到，剛才壓縮包里面其實(shí)還有一個(gè)文件，就是咱們?cè)~云繪制的完整代碼 ipynb 文件。
不過(guò)我建議你還是自己跟著教程做一遍。這樣印象更深刻，不是嗎？
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(xiě)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 3 選項(xiàng)。
系統(tǒng)會(huì)提示我們輸入 Notebook 的名稱(chēng)。程序代碼文件的名稱(chēng)，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。
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(mǎn)意嗎？如果你不滿(mǎn)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)？
討論
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。
喜歡請(qǐng)點(diǎn)贊。還可以微信關(guān)注和置頂我的公眾號(hào)“玉樹(shù)芝蘭”(nkwangshuyi)。
如果你對(duì)數(shù)據(jù)科學(xué)感興趣，不妨閱讀我的系列教程索引貼《如何高效入門(mén)數(shù)據(jù)科學(xué)？》，里面還有更多的有趣問(wèn)題及解法。
