文字雲 word cloud in python

這篇也是因為工作上需要，所以用Python進行文字雲的分析，想要從常用字詞，進行資料的分類，預期的結果除了統計常用字詞的次數以外，還有好像很炫但要細心看的文字雲圖式，這次做的是【以五月天30首熱門歌曲文字分析，統計出常用字詞，並以五月天 Mayday 的logo視覺化】 (如有侵權請告知，我很怕被吉...)

插個題外話，寫著寫這(其實是貼著貼著)，覺得應該寫一系列叫做【輕輕鬆鬆複製貼上 寫Python】，Keep Calm and Copy Paste Series#2 (Keep calm 系列的典故請看這，看個blog順便學學歷史，做個好深宅)

圖片來源： The Keep Calm-o-matic

回到主題，如果要文字分析產生文字雲，有很多工具或網站可以直接使用，但如果想要用自己的字典跟特殊的停用字句，還是需要自己動手做。既然Python也不難寫，就來動手做一下，以後也好累積自己的字典跟停用詞句，以後也方便自己做分析分類。
這次是用五月天 在KKBOX 2018/6 最流行的30首歌詞分析，目的是知道哪些字詞是常用的語句，在應用上滿多種的，如果是分析PTT，那就等於是特定主題的輿情分析，其他領域可以是文章分類等非結構化的文章判斷，那就來看一看程式跟結果吧：

• 運作方式: 以下以步驟的方式說明程式運作的方式，如果想直接看完整的程式，請直接到:  https://github.com/stacepsho/Word_Cloud_zh-tw

• Step 1 Import 與定義變數

# coding: utf-8
# 部分參考: https://ithelp.ithome.com.tw/articles/10192043 
#       非常感謝王選仲大大
# 部分參考 http://blog.fukuball.com/ru-he-shi-yong-jieba-jie-ba-zhong-wen-fen-ci-cheng-shi/
#       非禪感謝林志傑 Fukuball大大
# 字典來自 https://git.oschina.net/fxsjy/jieba
#       真的是做最好的中文分词组件
#

from PIL import Image
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator
import jieba
import numpy as np
from collections import Counter

• Step 2 利用Jieba切字

#要分析的來源，這個範例是五月天30首歌
text_from_file_with_apath = open(r'lyrics.txt', "r",encoding="utf-8").read()

#設定字典
jieba.set_dictionary('dict.txt.big')
#設定自訂的字典，譬如五月天的 "動次"
jieba.load_userdict(r'userdict_mayday.txt')

#設定停用詞，譬如唱歌會用到的oh，喔
with open(r'stopWord_mayday.txt', 'r', encoding='utf8') as f:  
    stops = f.read().split('\n') 

#
#開始段詞與排序，沒錯就這麼簡單就做完了
#
terms = [t for t in jieba.cut(text_from_file_with_apath, cut_all=True) if t not in stops]
sorted(Counter(terms).items(), key=lambda x:x[1], reverse=True) 

• Step 3 分析完後丟給文字雲繪圖

#中文繪圖需要中文字體，請自己從windows font目錄抓
#微軟正黑體
font = r'msjh.ttc'
#想要文字雲出現的圖示
mask = np.array(Image.open(r"mayday_mask.png"))

#背景顏色預設黑色，改為白色
#mark改用五月天的皇冠
#其他參數請自行參考wordcloud
my_wordcloud = WordCloud(background_color="white",mask=mask,font_path=font,collocations=False, width=2400, height=2400, margin=2)  
my_wordcloud.generate_from_frequencies(frequencies=Counter(terms))

#產生圖片
plt.figure( figsize=(20,10), facecolor='k')
plt.imshow(my_wordcloud,interpolation='bilinear')
plt.axis("off")
plt.tight_layout(pad=0)
#顯示用
plt.show()

#存檔用
#plt.savefig("Mayday_Wordcloud.png")

mayday_mask是五月天的皇冠logo，當作遮罩，套上文字雲後，最後的結果就類似這樣，

看來 "一天"、"快樂"、"相信"、"人生"、"回憶"、"愛"是五月天常用的文字。

如果朋友們有更簡單的方式也歡迎跟小弟交流教學相長~~
如果文字內容或圖片有侵權也請告知

#Python
#資料分析
#Word cloud
#文字雲
#Sky is limit