数据可视化—

本文目的：将爬取的评论数据进行分词，然后使用词云图进行可视化操作。

使用到的工具：结巴中文分词、Wordcloud库

首先介绍一下两个工具，其中结巴中文分词是一个专门将中文句子进行分词的第三方库，当然还有其他的中文分词平台，使用比较多的是结巴中文分词。具体使用以及介绍详看平台的GitHub（https://github.com/fxsjy/jieba/）。目前英语分词比较方便，因为英语每一个单词本身都是有空格隔开的，但中文每个词没有隔开（每个句子有符号隔开），这就给中文分词带来很大的不便之处。相信未来会得到解决，对此感兴趣的可以尝试深挖这个行业。分词之后会带来一些无效的词汇，为了得到更加有效的分词结果，需要将无效的词汇删减，以便更有效的展示出结果。这里就带来了另一个问题，就是使用怎样的停用词汇。目前有“中文停用词汇”、“哈工大停用词汇”、“百度停用词汇”、“四川大学停用词汇”。这几种都是可以直接拿来使用的，但要是追求更好的结果可以自行设定一些停用词汇。本文将使用中文停用词汇。#中文停用词表#中文分词#-数据挖掘文档类资源-CSDN下载中文分词常见的停用词表更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/Tobe_01/84423742

词云图可视化结果，词云图可视化结果相对平常的绘图显得更加酷炫一些，网上也有很多的平台可以进行绘制词云图，本文使用的是Wordcloud来绘制词云图。

（官方网站：WordCloud for Python documentation — wordcloud 1.8.1 documentation）

本身两个库的使用都比较简单，下面直接上代码，代码中有详细步骤解释。生成的词云图的形状是可以根据自己喜好来设定的，只需要添加图片，并设置成背景即可（如下面注释掉的几行代码所示）。为了简便，就不添加背景图片了。

import wordcloud # 分词
from wordcloud import WordCloud,ImageColorGenerator,STOPWORDS # 词云，颜色生成器，停止词
from PIL import Image # 处理图片
import pandas as pd
import numpy as npdef get_ciyun(data,n):"""绘制词云图的函数：data表示评论数据，n表示哪一天的日期。其中函数会先创建一个TXT文件来保存评论数据，然后使用结巴进行分词，最后使用Wordcloud进行绘制词云图并保存。"""# 保存评论数据for ele in data:with open("3月{}号.txt".format(n),mode="a") as f:f.write(ele.split("[")[0])# 使用结巴进行分词with open('3月{}号.txt'.format(n),'r',encoding='gbk') as f:  #打开新的文本转码为gbktextfile = f.read()  #读取文本内容seg_list = jieba.cut(textfile, cut_all=False)space_list = ' '.join(seg_list) #空格链接词语# backgroud = np.array(Image.open('LME.jpg'))  # 添加想要的背景图片# 制定停用词表stop_words = set()content = [line.strip() for line in open('中文停用词表.txt',mode="r",encoding='utf-8').readlines()]stop_words.update(content)# 绘制词云图# backgroud = np.array(Image.open('LME.jpg'))wc = WordCloud(width=400, height=600,background_color='white',mode='RGB', max_words=500,font_path='‪C:\Windows\Fonts\SIMLI.TTF',   # 字体路径，可以根据电脑字体路径进行更改max_font_size=150,relative_scaling=0.6,  # 设置字体大小与词频的关联程度为0.4random_state=50,scale=3,  # 设置字体清晰度，越大表示越清晰stopwords=stop_words  # 设置停用词表).generate(space_list)# image_color = ImageColorGenerator(backgroud)   #设置生成词云的颜色，如去掉这两行则字体为默认颜色# wc.recolor(color_func = image_color)plt.imshow(wc) #显示词云plt.axis('off') #关闭x,y轴plt.show()#显示wc.to_file('3月{}号_ciyun.jpg'.format(n)) #保存词云图# 调用函数，会输出并且保存词云图.
get_ciyun(data,n)

本文绘制词云图使用的数据来源于国内财经网页的股吧评论，通过爬虫获得。下面的词云图展示的是3月7号当天的所有评论数据。可以发现最显眼的有“沪镍”、“ni2204”、“镍”等，因为爬取的股吧正是沪镍吧下面的评论数据，所以此类相关的词汇比较多。

此次事件缘由是因为国内一家民企青山集团经营所需，正常持有20万吨的空头期货（作为套期保值），但由于俄乌战争，使得俄方的镍被移出伦敦交易所，无法进入欧洲市场，导致镍的供应不足，镍价因此暴涨（两个交易日涨了248%,见下面走势图），当然也存在多头方从中作怪的可能。如果到期青山集团无法交出这么多镍的现货就只能以高价进行平仓，这必然会导致很大的损失。这是经典的“多逼空”案例。

从词云图中可以看到“沪镍”、“空头”、“ni2204”、“涨停”等字眼比较突出，这些字眼也正是整个事件最突出的部分，其中“沪镍”表示此次的交易场所为上海期货交易所的镍产品，而“ni2204”则是镍产品的交易代码。“空头”正是此次事件的核心，就是青山集团持有的空头期货，“涨停”反应则是镍价的走势。对比于文本类的数据，词云图在突出展示信息重要性方面还是存在优势的，一方面，可以更加简洁清晰的展示结果，另一方面能够突出数据的关键词，有利于更快速的定位事件的核心。除此之外，本文展示的只是3月7号当天的数据，从词云图中也可以看到一些“明天”的字眼，由于7号当天青山集团对此事件并没有做出回应，所以人们很关心明天，或者接下来青山集团会怎么应对此次的“多逼空”。

ni2204走势图

3月7号评论词云图

数据可视化——词云图相关推荐

Python数据可视化——词云图
一.配置环境要生成词云图,必备的插件是wordcloud.课堂上给出了两种安装插件的方法.一是通过调用命令行,输入pip3 install wordcloud进行安装.二是下载whl文件,通过pip ...
数据可视化 - 词云图样式自定义
from pyecharts import options as opts from pyecharts.charts import WordCloudwords = [("花鸟市场&quo ...
使用Python获取春节档电影影评，制作可视化词云图
Python获取春节档电影影评,制作可视化词云图前言准备工作采集数据部分基本思路流程代码实战可视化词云图代码展示效果展示前言春节电影听巳月说都还可以,我不信,我觉得还是要看看看过的 ...
文本数据“关键词渲染”的高频词可视化——词云图。
目录前言: 官方示例: 实践示例: 背景说明:基于电影用户评论的数据,通过其中关键词出现的频率做出词云图,从而让阅览者一目了然的看出该电影的正反面评价,甚至电影的分类标签. 数据预处理 1.首先将我 ...
数据分析实例-获取某宝评论数据做词云图可视化
获取数据首先要通过抓包分析网站的数据接口是什么,再构造请求头,发送请求,解析数据,最后保存数据.本项目以某宝上的一个商品的评论数据为例进行获取. 爬虫主代码: import requests imp ...
Python数据可视化词云展示周董的歌
马上开始了,你准备好了么准备工作环境:Windows + Python3.6 IDE:根据个人喜好,自行选择模块: Matplotlib是一个 Python 的 2D数学绘图库 pip inst ...
mysql数据生成词云图_CVPR2018关键字分析生成词云图与查找
今日目标:爬取CVPR2018论文,进行分析总结出提到最多的关键字,生成wordCloud词云图展示,并且设置点击后出现对应的论文以及链接对任务进行分解: ①爬取CVPR2018的标题,简介,关键字 ...
爬虫——爬取人民网数据生成词云图
1.以人民网的新闻数据为例,简单介绍的利用python进行爬虫,并生成词云图的过程. 首先介绍python的requests库,它就好像是一个"爬手",负责到用户指定的网页上将所需 ...
Python可视化--词云图（中文和英文版）
中文词云图 #-*-coding:utf-8-*- import jieba import numpy as np import PIL.Image as Image from wordcloud i ...

数据可视化——词云图

本文目的：将爬取的评论数据进行分词，然后使用词云图进行可视化操作。

使用到的工具：结巴中文分词、Wordcloud库

数据可视化——词云图相关推荐

最新文章

热门文章