词云图 Word Cloud【R & python】

前言

  不想干正事儿，所以 ……整理一下如何使用用R或者Python画词云图（WorkCloud Plot）

工具

嗯 ，不论是R还是Python，都使用的叫 wordcloud 的工具：

• Python：wordcloud、它的gihub
• R：wordcloud2、wordcloud

  R 的 wordcloud或Python的 wordcloud，都可以直接保存为PNG、PDF等格式，但是wordcloud2调用的是JavaScript，默认可以保存为HTML格式，也可以使用webshot截取为PNG或者PDF（或者说是伪PDF？）

安装

• Python：pip install wordcloud 或者用 conda 安装；
• R：install.packages("wordcloud") 或者devtools::install_github("ifellows/wordcloud")、devtools::install_github("lchiffon/wordcloud2")；

例子

Python wordcloud 的例子

定义需要的函数

from urllib.request import urlopen
from zipfile import ZipFile
from io import BytesIO

# 定义下载并解压zip文件的函数
def download_and_unzip(url: str, extract_to: str) -> str:
    http_response = urlopen(url)
    zipfile = ZipFile(BytesIO(http_response.read()))
    zipfile.extractall(extract_to)
    return print('Output_path: "{0}"'.format(extract_to))
 
# 定义一个画图的框架
def plot_cloud(wordcloud, figsize=(20, 15)):
    # Set figure size
    plt.figure(figsize=figsize)
    # Display image
    plt.imshow(wordcloud) 
    # No axis details
    plt.axis("off")

下载并读取数据

# 下载数据
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/00380/YouTube-Spam-Collection-v1.zip'
download_and_unzip(url)

from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt
import pandas as pd

# 读取数据
pd = pd.read_csv(r'Youtube04-Eminem.csv', encoding='latin1')
pd.head(5)

处理数据

# 处理数据
comment_words = ''
stopwords = set(STOPWORDS)

for val in pd.CONTENT:
    # 保证类型统一
    val = str(val)
    # 把每个字母都变成小写，当然大写也没问题
    tokens = [i.lower() for i in val.split()]
    comment_words += " ".join(tokens) + " "

wc = WordCloud(
    width=800,
    height=800,
    background_color="white",
    stopwords=stopwords,
    min_font_size=10,
).generate(comment_words)

画图：plot_cloud(wc)

还可以这样！！

就是用一个图片作为填充的框架矩阵，代码：

# 下载框架图片
img_url = "https://amueller.github.io/word_cloud/_images/sphx_glr_masked_002.png"
urlretrieve(img_url, "thumbs-up.png")

import numpy as np
from PIL import Image

# Import image to np.array
mask = np.array(Image.open("thumbs-up.png"))
# Generate wordcloud
wc = WordCloud(
    height=800,
    width=600,
    background_color="white",
    mask=mask,
    stopwords=stopwords,
    contour_width=3,
    contour_color="steelblue",
).generate(comment_words)
# Plot
plot_cloud(wc, figsize= (10, 10))

R wordcloud 例子

  在Github上找到一个 R wordcloud的例子：wordcloud：https://gist.github.com/emres/3424557，十年前写的！！十年前，我还不知道有R语言和Python（十年前，我还不知道自己是谁呢，虽然现在也不知道）有兴趣的可以点击连接学习。
这里就先聊一聊wordcloud2，直接上代码了：

# library
library(wordcloud2) 
 
# 看一下示例数据
# head(demoFreq)

# Basic plot
wordcloud2(data=demoFreq, size=1.6)
# 
letterCloud( demoFreq, word = "R", color='random-light' , backgroundColor="black")
letterCloud( demoFreq, word = "PEACE", color="white", backgroundColor="pink")

画图都很简单，就是模仿示例数据的内容和格式就完全没问题，主要是保存，没办法直接保存为一般的图片格式，需要先保存为HTML：

# load wordcloud2
library(wordcloud2) 
library(webshot)
webshot::install_phantomjs()

my_graph <- wordcloud2(demoFreq, size=1.5)

# html
library("htmlwidgets")
saveWidget(my_graph,"tmp.html",selfcontained = F)

# png or pdf
webshot("tmp.html","fig_1.pdf", delay =5, vwidth = 480, vheight=480)

参考

https://github.com/Lchiffon/wordcloud2
https://amueller.github.io/word_cloud/
https://towardsdatascience.com/create-a-word-cloud-with-r-bde3e7422e8a