python +jupyter (python3.5) 实现词云（png）

临渊羡鱼，不如退而结网。我们步步为营，从头开始帮助你用Python做出第一张词云图来。欢迎尝试哦！

需求

在大数据时代，你经常可以在媒体或者网站上看到一些非常漂亮的信息图。

例如这个样子。

或是这个样子的。

看过之后你有什么感觉？想不想自己做一张出来？

如果你的答案是肯定的，我们就不要拖延了，今天就来一步步从零开始做个词云分析图。当然，做为基础的词云图，肯定比不上刚才那两张信息图酷炫。不过不要紧，好的开始是成功的一半嘛。食髓知味，后面你就可以自己升级技能，进入你开挂的成功之路。

网上教你做信息图的教程很多。许多都是利用了专用工具。这些工具好是好，便捷而强大。只是它们功能都太过专一，适用范围有限。今天我们要尝试的，是用通用的编程语言python来做词云。

Python是一种时下很流行的编程语言。你不仅可以用它做数据分析和可视化，还能用来做网站、爬取数据、做数学题、写脚本替你偷懒……

知道豆瓣吗？它一开始就是用Python写的。

在目前的编程语言热度排序里，Python屈居第四（当然，很多人不同意，所以编程语言的排行榜有许多，你懂的）。但看问题要用发展眼光。随着数据科学的发展，Python有爆发的趋势。早点儿站上风口，很有益处。

如果你之前没有编程基础，没关系。从零开始，意味着我会教你如何安装Python运行环境，一步步完成词云图。希望你不要限于浏览，而是亲自动手尝试一番。到完成的那一步，你不仅可以做出第一张词云图，而且这还将是你的第一个有用的编程作品。

心动了？那咱们就开始吧。

效果展示：

笔者为了实现这玩意可是鼓捣了一天（哈哈！已笑哭，这么菜）

那么笔者（python 小白）就把这填坑之路细细道来

首先我们需要搭建环境 python + pip (只需要看这两个就行)

第一个坑

一. 现象 && 原因

出现如下 Error ：
ImportError: No module named 'pysqlite2'

查看出错代码时，有下面的信息：

File "$/venv/lib/python3.5/site-packages/sqlalchemy/dialects/sqlite/pysqlite.py"
, line 334, in dbapi
from pysqlite2 import dbapi2 as sqlite

问题原因，可能为无法打开 pysqlite2 库，因使用 Python3.5 作为开发环境， Python 3.5 默认使用 sqlite3，且可以替代pysqlite2 。
stackoverflow 上，有人建议使用sqlite3 替换pysqlite2,详见这里。

展开出错位置代码如下：

    @classmethod
    def dbapi(cls):
        try:
           from pysqlite2 import dbapi2 as sqlite
        except ImportError as e:
            try:
                from sqlite3 import dbapi2 as sqlite  # try 2.5+ stdlib name.
            except ImportError:
                raise e

这里已经对不同版本使用 sqlite做出了处理。所以该问题并不是上述问题产生。

进入 Python3 交互环境后：
import sqlite3
会出现 Error.

原因是编译安装 Python3 时，缺少 sqlite3 依赖。
yum install sqlite-devel （先安装这玩意不然python都要重新装）

如果使用tkinter 需要安装

yum install tcl-devel

yum install tk_devel
重新编译安装 Python3 后问题得到解决。

安装python3.5 和pip 安装链接

笔者环境是将安装好的 /usr/local/python/python3/bin/ pip3 以及 python3 已软链接的方式连接到 /usr/bin 目录下

命令： ln -s /usr/local/python/python3/bin/pip3 /usr/bin/pip

ln -s /usr/local/python/python3/bin/python3 /usr/bin/python (可以先进入/usr/bin 执行命令 ll python* 看到 python -> python2 可以将这个删除 rm -rf python)

这时 python -V 就是 3.5版本

之后可以升级pip

命令： pip install --upgrade pip（按照博客的顺序走）

升级完成之后安装

1、安装依赖

安装开发工具集：

         yum groupinstall 'Development Tools'

         2、安装jupyter
         pip install jupyter（这是安装）    ***    （pip卸载    pip uninstall PackageName 补充知识点）
        ln -s   /usr/local/python/python3/bin/jupyter /usr/bin/jupyter

         3、安装 wordcloud
       pip install wordcloud


         4、在cd /usr/local/nginx/html/
             mkdir ciyun

    也可以安装（scripy *pip install scripy*）
    也可以安装（jieba *pip install jieba* 中文分词）

数据

词云分析的对象，是文本。

理论上讲，文本可以是各种语言的。英文、中文、法文、阿拉伯文……

为了简便，我们这里以英文文本为例。你可以随意到网上找一篇英文文章作为分析对象。我特别喜欢英剧"Yes, minister"，所以到维基百科上找到了这部剧的介绍词条。

我把其中的正文文字部分拷贝了下来，存储为一个文本文件，叫做yes-minister.txt。

把这个文件挪动到我们的工作目录demo里。

好了，文本数据已经准备好了。开始进入编程的魔幻世界吧！

      运行 jupyter notebook --por=8888

第二大坑！！！

       地址问题

       笔者   jupyter notebook 怎么也不成功！！！

       提示笔者 address 有问题
   此时直接上大招远程连接jupyter (笔者是linux 阿里云线上不是虚拟机)

      1、jupyter notebook --generate-config   （生成jupyter配置文件）

      2、生成密码这一步其实用不到，因为不建议使用密码登录，修改配置文件的时候密码建议屏蔽

打开ipython，创建一个密文的密码：

In [1]: from notebook.auth import passwd

In [2]: passwd()

Enter password:

Verify password:

Out[2]: 'sha1:86346e4cdf7a:c57960216df752e8ee5d3b9b8de6941640e15273'

把密文复制下来
'sha1:86346e4cdf7a:c57960216df752e8ee5d3b9b8de6941640e15273'

3 修改配置文件

$   vim ~/.jupyter/jupyter_notebook_config.py
进行如下修改：
c.NotebookApp.ip='*'
#c.NotebookApp.password = u'sha1:86346e4cdf7a:c57960216df752e8ee5d3b9b8de6941640e15273'    （自己使用可以不使用密码笔者这里注释掉了）
c.NotebookApp.open_browser = False
c.NotebookApp.port =8888    #随便指定一个端口，使用默认8888也可以

个人建议：屏蔽掉密码那一行，如果不是服务器安装，而只是自己的虚拟机，自己用的虚拟机不需要安全设置

4，启动jupyter notebook

5,远程访问服务器浏览器建议使用火狐，虚拟机下Linux里默认安装的是火狐浏览器

http://远程服务器ip:8888

6,如果登陆失败，则有可能是服务器防火墙设置的问题，此时最简单的方法是在本地建立一个ssh通道：
在本地终端中输入ssh username@address_of_remote -L127.0.0.1:1234:127.0.0.1:8888
便可以在localhost:1234直接访问远程的jupyter了。 username 一般为root

如果需要可以关闭防火墙，或者iptables -i INPUT -j ACCEPT,

在INPUT链前面加全通策略。

以上只是理想状态笔者之后又遇到问题报错大致意思为：不能以root 用户去启动

*************************************

下面开始建立新的用户（新建用户并授权！！！）

1、添加用户
首先用adduser命令添加一个普通用户，命令如下：
#adduser tommy //添加一个名为tommy的用户
#passwd tommy   //修改密码
Changing password for user tommy.
New UNIX password:     //在这里输入新密码
Retype new UNIX password: //再次输入新密码
passwd: all authentication tokens updated successfully.
2、赋予root权限
方法一：修改 /etc/sudoers 文件，找到下面一行，把前面的注释（#）去掉
## Allows people in group wheel to run all commands
%wheel    ALL=(ALL)    ALL
然后修改用户，使其属于root组（wheel），命令如下：
#usermod -g root tommy
修改完毕，现在可以用tommy帐号登录，然后用命令 su - ，即可获得root权限进行操作。
方法二：修改 /etc/sudoers 文件，找到下面一行，在root下面添加一行，如下所示：
## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
tommy   ALL=(ALL)     ALL
修改完毕，现在可以用tommy帐号登录，然后用命令 su - ，即可获得root权限进行操作。

切换用户后

输入命令： jupyter notebook --port 8888

笔者以为这下大功告成但是出现了最大坑！！！！

天坑！！！

jupyter 启动报错 Permission denied: '/run/user/0/jupyter'

大致报错

[plain]view plaincopy 
   
print?
 $ jupyter notebook --port 8888  
 Traceback (most recent call last):  
   File "/home/deploy/.virtualenvs/ironbank/bin/jupyter-notebook", line 11, in <module>  
     sys.exit(main())  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/jupyter_core/application.py", line 267, in launch_instance  
     return super(JupyterApp, cls).launch_instance(argv=argv, **kwargs)  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/traitlets/config/application.py", line 588, in launch_instance  
     app.initialize(argv)  
   File "<decorator-gen-115>", line 2, in initialize  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/traitlets/config/application.py", line 74, in catch_config_error  
     return method(app, *args, **kwargs)  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/notebook/notebookapp.py", line 1005, in initialize  
     self.init_configurables()  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/notebook/notebookapp.py", line 804, in init_configurables  
     connection_dir=self.runtime_dir,  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/traitlets/traitlets.py", line 529, in __get__  
     return self.get(obj, cls)  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/traitlets/traitlets.py", line 508, in get  
     value = self._validate(obj, dynamic_default())  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/jupyter_core/application.py", line 99, in _runtime_dir_default  
     ensure_dir_exists(rd, mode=0o700)  
   File "/home/deploy/.virtualenvs/ironbank/local/lib/python2.7/site-packages/ipython_genutils/path.py", line 167, in ensure_dir_exists  
     os.makedirs(path, mode=mode)  
   File "/home/deploy/.virtualenvs/ironbank/lib/python2.7/os.py", line 157, in makedirs  
     mkdir(name, mode)  
 OSError: [Errno 13] Permission denied: '/run/user/0/jupyter'  

解决办法

输入命令：

jupyter --path

显示以下：

[plain]view plaincopy 
   
print?
 config:  
     /home/jiahaiyong/.jupyter  
     /usr/local/src/python/python3/etc/jupyter  
     /usr/local/etc/jupyter  
     /etc/jupyter  
 data:  
     /home/jiahaiyong/.local/share/jupyter  
     /usr/local/src/python/python3/share/jupyter  
     /usr/local/share/jupyter  
     /usr/share/jupyter  
 runtime:  
     /run/user/0/jupyter  

看着样子好像是修改 runtime 的设置就可以了

export XDG_RUNTIME_DIR="/home/haiyong/.jupyter" （我新建立的用户haiyong)

环境变量配置（上面的只是临时作用）

********************************************************************************************************************************************

$PATH：决定了shell将到哪些目录中寻找命令或程序，PATH的值是一系列目录，当您运行一个程序时，linux在这些目录下进行搜寻编译链接。

　　编辑你的 PATH 声明，其格式为：

　　PATH=$PATH:<PATH 1>:<PATH 2>:<PATH 3>:------:<PATH N>

　　你可以自己加上指定的路径，中间用冒号隔开。环境变量更改后，在用户下次登陆时生效，如果想立刻生效，则可执行下面的语句：$ source .bash_profile

　　需要注意的是，最好不要把当前路径 “./” 放到 PATH 里，这样可能会受到意想不到的攻击。完成后，可以通过 $ echo $PATH 查看当前的搜索路径。这样定制后，就可以避免频繁的启动位于 shell 搜索的路径之外的程序了。

1. 可用 export 命令查看PATH值

[root@localhost u-boot-sh4]# export
declare -x CVS_RSH="ssh"
declare -x DISPLAY=":0.0"
declare -x G_BROKEN_FILENAMES="1"
declare -x HISTSIZE="1000"
declare -x HOME="/root"
declare -x HOSTNAME="localhost"
declare -x INPUTRC="/etc/inputrc"
declare -x LANG="zh_CN.UTF-8"
declare -x LESSOPEN="|/usr/bin/lesspipe.sh %s"
declare -x LOGNAME="root"
declare -x LS_COLORS="no=00:fi=00:di=00;34:ln=00;36:pi=40;33:so=00;35:bd=40;33;01:cd=40;33;01:or=01;05;37;41:mi=01;05;37;41:ex=00;32:*.cmd=00;32:*.exe=00;32:*.com=00;32:*.btm=00;32:*.bat=00;32:*.sh=00;32:*.csh=00;32:*.tar=00;31:*.tgz=00;31:*.arj=00;31:*.taz=00;31:*.lzh=00;31:*.zip=00;31:*.z=00;31:*.Z=00;31:*.gz=00;31:*.bz2=00;31:*.bz=00;31:*.tz=00;31:*.rpm=00;31:*.cpio=00;31:*.jpg=00;35:*.gif=00;35:*.bmp=00;35:*.xbm=00;35:*.xpm=00;35:*.png=00;35:*.tif=00;35:"
declare -x MAIL="/var/spool/mail/root"
declare -x OLDPWD="/root"
declare -x PATH="/usr/kerberos/sbin:/usr/kerberos/bin:/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin"
declare -x PWD="/opt/STM/STLinux-2.3/devkit/sources/u-boot/u-boot-sh4"
declare -x SHELL="/bin/bash"
declare -x SHLVL="1"
declare -x SSH_ASKPASS="/usr/libexec/openssh/gnome-ssh-askpass"
declare -x TERM="xterm"
declare -x USER="root"
declare -x XAUTHORITY="/root/.xauthkSzH7b"

2. 单独查看PATH环境变量，可用：

[root@localhost u-boot-sh4]#echo $PATH
/usr/kerberos/sbin:/usr/kerberos/bin:/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin

3. 添加PATH环境变量(临时)，可用：

[root@localhost u-boot-sh4]#export PATH=/opt/STM/STLinux-2.3/devkit/sh4/bin:$PATH

再次查看：

[root@localhost u-boot-sh4]# echo $PATH
/opt/STM/STLinux-2.3/devkit/sh4/bin:/usr/kerberos/sbin:/usr/kerberos/bin:/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin

说明添加PATH成功。

上述方法的PATH 在终端关闭后就会消失。

4. 永久添加环境变量(影响当前用户)
#vim ~/.bashrc
export PATH="/opt/STM/STLinux-2.3/devkit/sh4/bin:$PATH"

5.永久添加环境变量(影响所有用户)
# vim /etc/profile
在文档最后，添加:
export PATH="/opt/STM/STLinux-2.3/devkit/sh4/bin:$PATH"
保存，退出，然后运行：
#source /etc/profile

不报错则成功。

问题：

1. 做了各实验，在/etc/profile, ~/.profile, ~/.bashrc中加入新PATH，重启都没有效果，只有使用source才可以，ubunt12.04

找到原因，~/.zshrc导致的，因为在zshrc中直接对PATH重新赋值，而没有继承之前的$PATH，导致启动加载完/etc/profile后，PATH又被重新赋值。

*****************************************************************************************************************************************************************+

此时再次启动

进入目录页 /usr/local/nginx/html/ciyun/

jupyter notebook --port 8888

查看linux

将token 值当密码登录

浏览器会自动开启，并且显示如下界面。

这就是咱们刚才的劳动成果——安装好的运行环境了。我们还没有编写程序，目录下只有一个刚才生成的文本文件。

打开这个文件，浏览一下内容。

回到Jupyter笔记本的主页面。我们点击New按钮，新建一个笔记本(Notebook)。在Notebooks里面，请选择Python 3选项。（笔者这里是只有python3）

系统会提示我们输入Notebook的名称。程序代码文件的名称，你可以随便起。但是我建议你起一个有意义的名字，将来好方便查找。由于我们要尝试词云，就叫它wordcloud好了。

然后就出现了一个空白的笔记本，供我们使用了。我们在网页里唯一的代码文本框里，输入以下3条语句。请务必逐字根据示例代码输入，空格数量都不可以有差别。尤其注意第三行，用4个空格，或者1个Tab开始。输入后，按Shift+Enter键，就可以执行了。

filename = "yes-minister.txt"
with open(filename) as f:
 mytext = f.read()

没有任何结果啊。

对，因为我们这里没有任何输出动作，程序只是打开了你的yes-minister.txt文本文件，把里面的内容都读了出来，存储到了一个叫做mytext的变量里面。

然后我们尝试显示mytext的内容。输入以下语句之后，还是得按Shift+Enter键，系统才会实际执行该语句。

mytext

之后的步骤里，也千万不要忘了这一确认执行动作。

显示的结果如下图所示。

嗯，看来mytext变量里存储的文本就是我们从网上摘来的文字。到目前为止，一切正常。

然后我们呼唤(import)词云包，利用mytext中存储的文本内容来制造词云。

from wordcloud import WordCloud
wordcloud = WordCloud().generate(mytext)

这时程序可能会报警。别担心。警告(warning)不影响程序的正常运行。

此时词云分析已经完成了。你没看错，制作词云的核心步骤只需要这2行语句，而且第一条还只是从扩展包里找外援。但是程序并不会给我们显示任何东西。

说好了的词云呢？折腾了这么半天，却啥也没有，你蒙人吗？！

别激动。输入下面4行语句后，就是见证奇迹发生的时刻了。

%pylab inline
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")

运行结果如图所示：

不用那么兴奋嘛。

你可以在词云图片上单机鼠标右键，用“图片另存为”功能导出。

通过这张词云图，我们可以看到不同单词和词组出现的频率高低差别。高频词的字体明显更大，而且颜色也很醒目。值得说明的是，最显眼的单词Hacker并不是指黑客，而是指这部剧的主角之一——哈克首相。

包含程序完整代码的ipynb文件，我也分享了出来，你可以从这里下载。

希望你在尝试过程中一切顺利。对自己生成的词云图满意吗？如果你不满意，也不要紧，可以挖掘wordcloud软件包的其他高级功能。尝试一下，看自己能不能做出这样的词云图来？

本文大部分是参考王树义大牛文章

参考 python wordcloud 模块

如果想要达成上面链接的效果需要安装scripy 、tkinter 模块

以及在运行python文件头部加入

import matplotlib
matplotlib.use('Agg')

pip安装软件时出现Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-build*的解决方案

http://blog.csdn.NET/u011092188/article/details/64123561