從零開始教你用Python做詞云
臨淵羨魚，不如退而結網(wǎng)。我們步步為營，從頭開始幫助你用Python做出***張詞云圖來。歡迎嘗試哦！
需求
在大數(shù)據(jù)時代，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。
例如這個樣子。
看過之后你有什么感覺？想不想自己做一張出來？
如果你的答案是肯定的，我們就不要拖延了，今天就來一步步從零開始做個詞云分析圖。當然，做為基礎的詞云圖，肯定比不上剛才那兩張信息圖酷炫。不過不要緊，好的開始是成功的一半嘛。食髓知味，后面你就可以自己升級技能，進入你開掛的成功之路。
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，便捷而強大。只是它們功能都太過專一，適用范圍有限。今天我們要嘗試的，是用通用的編程語言Python來做詞云。
Python是一種時下很流行的編程語言。你不僅可以用它做數(shù)據(jù)分析和可視化，還能用來做網(wǎng)站、爬取數(shù)據(jù)、做數(shù)學題、寫腳本替你偷懶……
知道豆瓣嗎？它一開始就是用Python寫的。
在目前的編程語言熱度排序里，Python屈居第四（當然，很多人不同意，所以編程語言的排行榜有許多，你懂的）。但看問題要用發(fā)展眼光。隨著數(shù)據(jù)科學的發(fā)展，Python有爆發(fā)的趨勢。早點兒站上風口，很有益處。
如果你之前沒有編程基礎，沒關系。從零開始，意味著我會教你如何安裝Python運行環(huán)境，一步步完成詞云圖。希望你不要限于瀏覽，而是親自動手嘗試一番。到完成的那一步，你不僅可以做出***張詞云圖，而且這還將是你的***個有用的編程作品。
心動了？那咱們就開始吧。
安裝
首先，我們需要安裝Python運行環(huán)境。
如果你用的是macOS，那么你的系統(tǒng)里面實際已經(jīng)預裝好了Python。
然而我們要使用到許多擴展包的功能。因此***安裝一個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。因為經(jīng)過我4年多的嘗試與對比，感覺這款軟件包的安裝更為便捷，擴展包的涵蓋范圍與結構更合理。
首先下載anaconda套裝，具體下載鏈接如下：
下拉網(wǎng)頁找到下載位置。根據(jù)你的操作系統(tǒng)類型選擇合適的版本。
因為我的系統(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，請切換到相應的標簽頁上面。
不管你用的是哪個操作系統(tǒng)，請注意右側的兩個按鈕，分別對應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的兩個版本會一直并存。Python的開發(fā)者確實希望大家升級切換到3.X版本?？上壳?.X版本兼容的擴展包數(shù)量比2.X版本要少，尤其是涉及到數(shù)據(jù)科學類的軟件包，就尤其明顯。所以如果你是初學者，我建議你下載2.X（目前是2.7)版本，這樣在以后的使用中，可能遇到的問題會少一些。等你運用熟練了，再遷移到3.X版本不遲。相信我，到那時你會很快適應新版本的。
下載后，執(zhí)行安裝文件就行了。
根據(jù)你的電腦運行速度不同，安裝的時間長短不等。耐心點兒，只需要等這一次嘛。
安裝完畢之后，請你安裝一個“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。
請安裝上述瀏覽器之一，然后將其設置為系統(tǒng)默認的瀏覽器。
好了，下面請進入命令行模式。
在macOS和Linux下，你需要開啟一個終端(terminal)。
如果是Windows，請打開“開始”-“附件”-“命令提示符”。
鍵入以下命令：
好了，你現(xiàn)在有一個專用的目錄，叫做demo了。請到macOS的Finder或者Windows的“我的電腦”里面，找到這個目錄并且打開它。
回到終端下面，macOS或者Linux用戶請鍵入以下命令：
macOS會提示你先安裝XCode命令行工具，你按照默認設置一步步進行就可以了。但是請注意，務必在WiFi環(huán)境下安裝。如果你用的是4G流量，那你可要破費一筆了。
如果你用的是Windows，那么為了使用這個詞云包，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：
然后，再執(zhí)行：
好了，我們需要的全部Python運行環(huán)境終于裝好了。
請務必按照上述步驟執(zhí)行，確保每一步都已經(jīng)順利完成。否則一旦遺漏，后面運行程序會報錯。
數(shù)據(jù)
詞云分析的對象，是文本。
理論上講，文本可以是各種語言的。英文、中文、法文、阿拉伯文……
為了簡便，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，存儲為一個文本文件，叫做yes-minister.txt。
把這個文件挪動到我們的工作目錄demo里。
好了，文本數(shù)據(jù)已經(jīng)準備好了。開始進入編程的魔幻世界吧！
代碼
在命令行下，執(zhí)行：
瀏覽器會自動開啟，并且顯示如下界面。
這就是咱們剛才的勞動成果——安裝好的運行環(huán)境了。我們還沒有編寫程序，目錄下只有一個剛才生成的文本文件。
打開這個文件，瀏覽一下內容。
回到Jupyter筆記本的主頁面。我們點擊New按鈕，新建一個筆記本(Notebook)。在Notebooks里面，請選擇Python 2選項。
系統(tǒng)會提示我們輸入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有意義的名字，將來好方便查找。由于我們要嘗試詞云，就叫它wordcloud好了。
然后就出現(xiàn)了一個空白的筆記本，供我們使用了。我們在網(wǎng)頁里唯一的代碼文本框里，輸入以下3條語句。請務必逐字根據(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個空格，或者1個Tab開始。輸入后，按Shift+Enter鍵，就可以執(zhí)行了。
沒有任何結果啊。
對，因為我們這里沒有任何輸出動作，程序只是打開了你的yes-minister.txt文本文件，把里面的內容都讀了出來，存儲到了一個叫做mytext的變量里面。
然后我們嘗試顯示mytext的內容。輸入以下語句之后，還是得按Shift+Enter鍵，系統(tǒng)才會實際執(zhí)行該語句。
之后的步驟里，也千萬不要忘了這一確認執(zhí)行動作。
顯示的結果如下圖所示。
嗯，看來mytext變量里存儲的文本就是我們從網(wǎng)上摘來的文字。到目前為止，一切正常。
然后我們呼喚(import)詞云包，利用mytext中存儲的文本內容來制造詞云。
這時程序可能會報警。別擔心。警告(warning)不影響程序的正常運行。
此時詞云分析已經(jīng)完成了。你沒看錯，制作詞云的核心步驟只需要這2行語句，而且***條還只是從擴展包里找外援。但是程序并不會給我們顯示任何東西。
說好了的詞云呢？折騰了這么半天，卻啥也沒有，你蒙人嗎？！
別激動。輸入下面4行語句后，就是見證奇跡發(fā)生的時刻了。
運行結果如圖所示：
不用那么興奮嘛。
你可以在詞云圖片上單機鼠標右鍵，用“圖片另存為”功能導出。
通過這張詞云圖，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，你可以從如下鏈接下載：
希望你在嘗試過程中一切順利。對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軟件包的其他高級功能。嘗試一下，看自己能不能做出這樣的詞云圖來
討論
學完了本方法后，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。
本文轉自雷鋒網(wǎng)，作者王樹義，原載于微信公眾號玉樹芝蘭（nkwangshuyi）。
