[PYTHON] [Feier: Marktwert von 2 Billionen US-Dollar] Ich habe versucht, Apples Patent zu visualisieren

Apple2.png

0. In einem Wort

(1) Der Marktwert von Apple hat 2 Billionen USD überschritten (2) Ich habe versucht, die Patente des weltweit führenden Unternehmens zu visualisieren (3) Ich konnte erneut bestätigen, dass ich die Schnittstelle zum Benutzer schätze, indem ich die Software hauptsächlich als Hardware verwende.

1. 1. Gesamtbild

Was ich getan habe, waren die folgenden 3 Schritte. (1) Vorbereitung: Extrahieren Sie Apple-Patente mit Google-Patenten (2) Arbeit 1: Visualisierung mit Wordcloud (3) Arbeit 2: Maskieren Sie mit dem Apple-Logo und passen Sie dann die Farben an

2. Vorbereitung: Extrahieren Sie Apple-Patente mit Google Patents

Der Marktwert von Apple hat 2 Billionen US-Dollar überschritten. Apple war der erste, der einen Marktwert von 1 Billion US-Dollar erreichte, aber dies ist 2018. In nur drei Jahren hat sich der Marktwert verdoppelt. Es gibt zu viel Geld und die Investitionsziele sind begrenzt. Wenn es um IT geht, von der erwartet werden kann, dass sie Nester verbraucht, ist das, was in Corona vielversprechend ist, schließlich Apple. Warren Buffett, der weltweit größte Investor, ist übrigens als Hauptaktionär aufgeführt. Wie erwartet!

Um zu bestätigen, was an Apple erstaunlich ist, habe ich versucht, die Situation der geistigen Eigentumsrechte (Patente) von Apple zu visualisieren. Laden Sie zunächst Apples US-Patentanmeldung als CSV-Daten auf Google Patents herunter. In der oberen linken Anzeige von Google Patents sollten seit 2010 etwa 20.000 Daten vorhanden sein, beim Herunterladen auf csv sind es jedoch etwa die Hälfte 9.000. Ich war mir nicht sicher, wie viele Fälle maximal waren.

3. 3. Aufgabe 1: Visualisieren Sie mit Wordcloud

Laden Sie zunächst csv mit einem Pandas-Datenrahmen. Beim Herunterladen auf csv mit Google Patents steht in diesem Fall die Extraktionsbedingung in der ersten Zeile https://patents.google.com/?assignee=Apple+Inc.&country=US&after=priority:20100101 Wird eingegeben, setzen Sie beim Lesen den Header auf 1.

python


import pandas as pd
df=pd.read_csv("data.csv",header=1)
df.columns

Diesmal wird nur der Patentname (Titel) verwendet.

python


Title=df["title"]
Text=''
for i in Title:
    Text+=i

Jetzt ist die Wortwolke endlich da.

python


import wordcloud
word_cloud=wordcloud.WordCloud(background_color="white")
word_cloud.generate(Text)
import matplotlib.pyplot as plt
plt.figure(figsize=(16,10))
plt.imshow(word_cloud)
plt.axis("off")
plt.show()

Laden wir den zuvor erstellten Text des Patentnamens in wordcloud und zeichnen ihn mit matplotlib. Dann wird es wie folgt.

wordcloud1.png

Verwenden Sie das zu entfernende Wort als Argument als Stoppwort, damit dasselbe Wort nicht zweimal vorkommt.

python


stopwords={"method","using","portion","thereof","based","multiple","multi","and","of","in","for","with","to","or","providing","on","by","an"}

word_cloud=wordcloud.WordCloud(background_color="white",collocations=False,stopwords=stopwords)
word_cloud.generate(Text)
plt.figure(figsize=(16,10))
plt.imshow(word_cloud)
plt.axis("off")
plt.show()

wordcloud2.png

Es war ein bisschen erfrischend.

4. Aufgabe 2: Maskieren Sie mit dem Apple-Logo und passen Sie die Farben an

Lassen Sie es uns mit dem Apple-Logo maskieren, das mir persönlich gefällt. Beachten Sie, dass hierfür das Array von numpy verwendet wird.

python


from PIL import Image
import numpy as np
mask_array = np.array(Image.open('Apple.jpg'))

word_cloud=wordcloud.WordCloud(mask=mask_array,background_color="white",collocations=False,stopwords=stopwords)
word_cloud.generate(Text)
plt.figure(figsize=(16,10))
plt.imshow(word_cloud)
plt.axis("off")
plt.show()

Die Ergebnisse sind wie folgt. Es wurde wie Apple (lacht)

Apple1.png

Da es eine große Sache ist, erstellen wir eine Wortwolke mit dem Farbschema des Apple-Logos, das in Regenbogenfarben leuchtet.

python


from wordcloud import ImageColorGenerator
image_color = ImageColorGenerator(mask_array)

word_cloud=wordcloud.WordCloud(mask=mask_array,color_func=image_color,background_color="white",collocations=False,stopwords=stopwords)
word_cloud.generate(Text)
plt.figure(figsize=(16,10))
plt.imshow(word_cloud)
plt.axis("off")
plt.show()

Beachten Sie zu diesem Zeitpunkt, dass der Wordcloud ImageColor Generator erforderlich ist. Die Ergebnisse sind wie am Anfang aufgeführt, aber ich werde sie erneut veröffentlichen. Apfel ist in Mode: Apfel:

Apple2.png

5. Zusammenfassung

Apple ist unglaublich. Irgendwann dachte ich, ich wäre ein reiner PC, nachdem ich gegen Microsoft verloren hatte, aber ich habe die Welt mit dem iPhone verändert. Aber in letzter Zeit bin ich wirklich überrascht, dass sich der Marktwert in nur drei Jahren verdoppelt hat. Es ist eine Fabless, die keine Fabrik hat, indem sie Hardware und Software zusammenführt, und die Benutzeroberfläche bewertet, die der Zeit entspricht.

Recommended Posts

[Feier: Marktwert von 2 Billionen US-Dollar] Ich habe versucht, Apples Patent zu visualisieren
Ich habe versucht, AutoEncoder mit TensorFlow zu visualisieren
Ich habe DCGAN implementiert und versucht, Äpfel zu generieren
Ich habe versucht zu debuggen.
Ich habe versucht, die Spacha-Informationen von VTuber zu visualisieren
[Erste Datenwissenschaft ⑥] Ich habe versucht, den Marktpreis von Restaurants in Tokio zu visualisieren
Ich habe versucht, PredNet zu lernen
Ich habe versucht, PCANet zu implementieren
[Python] Ich habe versucht, Tweets über Corona mit WordCloud zu visualisieren
[Python] Ich habe versucht, die folgende Beziehung von Twitter zu visualisieren
[TF] Ich habe versucht, das Lernergebnis mit Tensorboard zu visualisieren
Ich habe versucht, Pylint vorzustellen
Ich habe versucht, SparseMatrix zusammenzufassen
jupyter ich habe es berührt
Ich habe versucht, StarGAN (1) zu implementieren.
Ich habe versucht, die Lesezeichen zu visualisieren, die mit Doc2Vec und PCA nach Slack fliegen
Ich habe versucht, den Getränkepräferenzdatensatz durch Tensorzerlegung zu visualisieren.
Ich habe versucht, den allgemeinen Zustand der VTuber-Kanalbetrachter zu visualisieren
Ich habe versucht, Deep VQE zu implementieren
Ich habe versucht, eine Quip-API zu erstellen
Ich habe versucht, Python zu berühren (Installation)
Ich habe versucht, eine kontroverse Validierung zu implementieren
Ich habe Watson Voice Authentication (Speech to Text) ausprobiert.
Ich habe Teslas API berührt
Ich habe versucht, mich über MCMC zu organisieren.
Ich habe versucht, Realness GAN zu implementieren
Ich habe versucht, den Ball zu bewegen
Ich habe versucht, den Abschnitt zu schätzen.
[Python] Ich habe versucht, die Nacht der Galaxienbahn mit WordCloud zu visualisieren!
Ich habe versucht, die Altersgruppe und die Ratenverteilung von Atcoder zu visualisieren
Ich habe versucht, Googles allgemeine Objekterkennung NN, Inception-v3, mit Tensorboard zu visualisieren
Ich habe versucht, den Text des Romans "Wetterkind" mit Word Cloud zu visualisieren
Ich habe versucht, das Modell mit der Low-Code-Bibliothek für maschinelles Lernen "PyCaret" zu visualisieren.
Ich habe versucht, alle Entscheidungsbäume des zufälligen Waldes mit SVG zu visualisieren
Ich habe versucht, einen Linebot zu erstellen (Implementierung)
Ich habe versucht, Autoencoder mit TensorFlow zu implementieren
Ich habe versucht, den Befehl umask zusammenzufassen
Ich habe versucht, Permutation in Python zu implementieren
Ich habe versucht, einen Linebot zu erstellen (Vorbereitung)
Ich versuchte das Weckwort zu erkennen
Ich habe versucht, mit Hy anzufangen
Ich habe versucht, PLSA in Python 2 zu implementieren
Python3-Standardeingabe habe ich versucht zusammenzufassen
Ich habe versucht, Text mit TensorFlow zu klassifizieren
Ich habe versucht, die grafische Modellierung zusammenzufassen.
Ich habe versucht, der CPython-Implementierung ein Post-Inkrement hinzuzufügen
Ich habe versucht, ADALINE in Python zu implementieren
Ich habe versucht, Optuna die Nummer lösen zu lassen
Ich habe versucht, das Umfangsverhältnis π probabilistisch abzuschätzen
Ich habe versucht, die COTOHA-API zu berühren
Ich habe versucht, CVAE mit PyTorch zu implementieren
Ich habe eine Web-API erstellt
Ich habe versucht, TSP mit QAOA zu lösen
[Python] Ich habe versucht, TF-IDF stetig zu berechnen
Ich habe versucht, Python zu berühren (grundlegende Syntax)
Ich versuchte mein Bestes, um zu Lasso zurückzukehren
Ich habe versucht, Ansibles Module-Linux-Edition zusammenzufassen
[Patentanalyse] Ich habe versucht, mit Python eine Patentkarte zu erstellen, ohne Geld auszugeben