[PYTHON] Analyse de texte pouvant être effectuée en 5 minutes [Word Cloud]

Faisons du text mining très facilement en utilisant la série Python 3.x.

** Cette fois, en plus du traitement sur le terminal LINUX autant que possible pour que même les personnes qui n'ont jamais utilisé Python puissent le comprendre, soyez assuré que les commandes à saisir sont également décrites! ** (Je ne sais rien de Python ...)

Qu'est-ce que l'exploration de texte?

L'exploration de texte (anglais: text mining) est une exploration de données pour les chaînes de caractères. Il s'agit d'une méthode d'analyse de données textuelles qui extrait des informations utiles en divisant les données constituées de phrases ordinaires en mots et en phrases et en analysant la fréquence de leur apparition, la corrélation de la co-apparition, la tendance de l'apparence et la série chronologique. Source [Wikipedia](https://ja.m.wikipedia.org/wiki/%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%83%9E% E3% 82% A4% E3% 83% 8B% E3% 83% B3% E3% 82% B0)

Cette fois, créons un * nuage de mots * avec la technologie de text mining! Voilà ce qu'est un nuage de mots. ↓

Préparez d'abord les données

Tout d'abord, préparez les données à analyser. Cependant, il est difficile de se préparer immédiatement, donc cette fois je vais utiliser les données du tweet ** de l'événement en ligne ** "Idol Master Shiny Colors MUSIC DAWN DAY 1" qui a eu lieu le 31 octobre.

cliquez ici pour télécharger [Données textuelles # Shanimas MUSICDAWNday2](https://www.github.com/ysok2135/py/tree/main/%E5%BD%A2%E6%85%8B%E7%B4%A0%E8%A7%A3 % E6% 9E% 90% E5% 85% 83% E3% 83% 86% E3% 82% 99% E3% 83% BC% E3% 82% BF_SC_DOWN_20201031_utf8.csv)

Installation de la série Python 3.x

sudo apt install python3.7

Effectuer une analyse morphologique des données

Contrairement à l'anglais, le japonais ne sépare pas les segments par des espaces, vous ne pouvez donc pas faire de text mining depuis le début. Par conséquent, cette fois, nous utiliserons le ** moteur d'analyse morphologique open source MeCab **, qui est familier dans la rue.

• À propos, mecab est un projet mené par l'Institut d'informatique de l'Université de Kyoto.

Installation liée à MeCab

Tapez l'ordre de commande suivant.

udo apt install mecab
sudo apt install libmecab-dev
sudo apt install mecab-ipadic
sudo apt install mecab-ipadic-utf8
pip install mecab-python3

Si vous souhaitez améliorer la précision de la recherche, vous devez également installer un dictionnaire supplémentaire tel que NEologd, mais cette fois ce n'est pas gênant.

Analyse morphologique réelle

De nombreux sites fonctionnent sur python, mais je pense que c'est beaucoup plus facile. Tout d'abord, définissez le fichier source de l'analyse sur "test.txt". Entrez ensuite ce qui suit dans le terminal:

mecab -Owakati test.txt -o sample.txt

**c'est tout! ** ** Lorsque je vérifie le fichier, il est correctement analysé.

Enfin, travaillez sur WordCloud!

Installation de Wordcloud

pip install wordcloud

C'est tout.

Essayez de créer un nuage de mots

Copiez l'exemple de code ci-dessous.

sample.py

from wordcloud import WordCloud
with open('sample.txt') as f:
        text = f.read()
stop_words = [ u'https', u'co', u'Merci', u'RT', u'Ah', u'']
wc = WordCloud(background_color="white",width=1600, height=1200, font_path='GenEiLateGoP_v2.ttf', stopwords=set(stop_words))
wc.generate(text)
wc.to_file('wc1.png')

Description du code

** ① Lire wordcloud et importer des fichiers **

from wordcloud import WordCloud
with open('sample.txt') as f:
        text = f.read()

** ② Divers réglages ** stop_words ・ ・ ・ Définissez des mots-clés à exclure ** Il est recommandé d'essayer plusieurs fois et de définir des mots-clés. ** ** background_color ・ ・ ・ Couleur de fond largeur, hauteur ・ ・ ・ Réglez la taille de l'image (l'unité est le pixel) fonf_path ・ ・ ・ Spécifiez le chemin de la police (Cette fois, j'utilise la source anglaise Latemin) ↑ ** [Super important! Si vous ne chargez pas la police japonaise, vous obtiendrez du tofu! !! !! ] **

stop_words = [ u'https', u'co', u'Merci', u'RT', u'Ah', u'']
wc = WordCloud(background_color="white",width=1600, height=1200, font_path='GenEiLateGoP_v2.ttf', stopwords=set(stop_words))

** ③ Traitement d'exécution **

wc.generate(text)
wc.to_file('wc1.png')

Je suis effectivement allé

python3 sample.py

Résultat d'exécution

Génial! !! !! La présence de M. Tsuda est dangereuse! (Lol)

Vous pouvez le visionner avec le thème d'Aozora Bunko. J'espère que vous serez intéressé par l'analyse émotionnelle et ainsi de suite. Merci jusqu'à la fin.

Je fais Twitter

* Environnement de vérification
Ubuntu 18.04 LTS
Python 3.7