(7) 데이터분석_워드 클라우드

1. 워드 클라우드(Word Cloud)

• 핵심 단어를 시각화하는 기법
• 문서의 키워드, 개념들을 직관적으로 파악할 수 있게 핵심 단어를 시각적으로 돋보이게 하는 기법

워드클라우드를 사용하기 위해 다운을 받아준다.

!pip install wordcloud

from wordcloud import WordCloud

text = open('/content/drive/MyDrive/study/데이터분석/alice.txt').read()

text

# generate(): 단어별 출현 빈도수를 비율로 반환하는 객체를 생성

wordcloud = WordCloud().generate(text)

import matplotlib.pyplot as plt

 

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()

# max_words: 워드 클라우드에 표시되는 단어의 개수를 설정

wordcloud = WordCloud(max_words=100).generate(text)

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()

import matplotlib.font_manager as fm

sys_font = fm.findSystemFonts()

[f for f in sys_font if 'Nanum' in f]

 

wordcloud = WordCloud(max_words=100,font_path='/usr/share/fonts/truetype/nanum/NanumMyeongjoExtraBold.ttf').generate(text)

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()

# 불용어 등록. 워드 클라우드로 작성할 단어에서 제외할 단어를 설정

from wordcloud import STOPWORDS

print(STOPWORDS)

STOPWORDS.add('said') # 쓰지 않을 단어에 등록

wordcloud = WordCloud(max_words=100,

                      font_path='/usr/share/fonts/truetype/nanum/NanumMyeongjoExtraBold.ttf',

                      stopwords=STOPWORDS).generate(text)

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()

from PIL import Image

import numpy as np

alice_mask = np.array(Image.open('/content/drive/MyDrive/study/데이터분석/alice_mask.png'))

alice_mask

wordcloud = WordCloud(max_words=100,

                      font_path='/usr/share/fonts/truetype/nanum/NanumMyeongjoExtraBold.ttf',

                      stopwords=STOPWORDS,

                      mask = alice_mask,

                      background_color='ivory').generate(text)

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()

!pip install konlpy

from konlpy.corpus import kolaw

text = kolaw.open('constitution.txt').read()

from konlpy.tag import Okt

 

okt = Okt()

noun_text = okt.nouns(text)

print(noun_text)

noun_text.sort(key=lambda x: len(x))

print(noun_text)

stop_words = ['함','것','제','정','바','그']

noun_text = [each_word for each_word in noun_text if each_word not in stop_words]

print(noun_text)

noun_text = [each_word for each_word in noun_text if len(each_word) > 1]

print(noun_text)

from collections import Counter

count = Counter(noun_text)

print(count)

data = count.most_common(100)

data = dict(data)

print(len(data))

print(data)

# 딕셔너리에 저장된 데이터를  워드 클라우드로 생성하려면 generate_from_frequencies()를 사용

wordcloud = WordCloud(max_words=100,

                      font_path='/usr/share/fonts/truetype/nanum/NanumMyeongjoExtraBold.ttf'

                      ).generate_from_frequencies(data)

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()

mask = np.array(Image.open('/content/drive/MyDrive/study/데이터분석/korea_mask.jpg'))

# 딕셔너리에 저장된 데이터를  워드 클라우드로 생성하려면 generate_from_frequencies()를 사용

wordcloud = WordCloud(max_words=100,

                      font_path='/usr/share/fonts/truetype/nanum/NanumMyeongjoExtraBold.ttf',

                      background_color='ivory',

                      mask=mask

                      ).generate_from_frequencies(data)

plt.figure(figsize=(15,10))

plt.imshow(wordcloud)

plt.axis('off')

plt.show()