Jalankan dan edit kode dari Tutorial ini secara online
Jalankan kodeTidak semua gambar mask memiliki format yang sama sehingga menghasilkan keluaran berbeda, yang dapat membuat fungsi WordCloud tidak berjalan dengan benar. Untuk memastikan mask Anda berfungsi, mari lihat dalam bentuk array numpy:
wine_mask = np.array(Image.open("img/wine_mask.png"))
wine_mask
array([[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
...,
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0]], dtype=uint8)
Cara kerja fungsi masking adalah semua bagian berwarna putih pada mask harus bernilai 255, bukan 0 (tipe integer). Nilai ini merepresentasikan "intensitas" piksel. Nilai 255 adalah putih murni, sedangkan nilai 1 adalah hitam. Di sini, Anda dapat menggunakan fungsi yang disediakan di bawah untuk mentransformasikan mask jika mask Anda memiliki format yang sama seperti di atas. Perhatikan jika Anda memiliki mask dengan latar belakang bukan 0, melainkan 1 atau 2, sesuaikan fungsi agar sesuai dengan mask Anda.
Pertama, gunakan fungsi transform_format() untuk menukar angka 0 menjadi 255.
def transform_format(val):
if val == 0:
return 255
else:
return val
Kemudian, buat mask baru dengan bentuk yang sama seperti mask yang Anda miliki dan terapkan fungsi transform_format() pada setiap nilai di setiap baris mask sebelumnya.
# Transform your mask into a new one that will work with the function:
transformed_wine_mask = np.ndarray((wine_mask.shape[0],wine_mask.shape[1]), np.int32)
for i in range(len(wine_mask)):
transformed_wine_mask[i] = list(map(transform_format, wine_mask[i]))
Sekarang Anda memiliki mask baru dalam bentuk yang benar. Mencetak mask yang telah ditransformasikan adalah cara terbaik untuk memeriksa apakah fungsi berfungsi dengan baik.
# Check the expected result of your mask
transformed_wine_mask
array([[255, 255, 255, ..., 255, 255, 255],
[255, 255, 255, ..., 255, 255, 255],
[255, 255, 255, ..., 255, 255, 255],
...,
[255, 255, 255, ..., 255, 255, 255],
[255, 255, 255, ..., 255, 255, 255],
[255, 255, 255, ..., 255, 255, 255]])
Dengan mask yang benar, Anda dapat mulai membuat word cloud dengan bentuk pilihan Anda. Perhatikan pada fungsi WordCloud terdapat argumen mask yang menerima mask yang telah ditransformasikan seperti yang Anda buat di atas. contour_width dan contour_color adalah, sesuai namanya, argumen untuk menyesuaikan karakteristik garis luar cloud. Botol wine yang Anda miliki di sini adalah wine merah, jadi firebrick tampaknya pilihan warna kontur yang baik. Untuk pilihan warna lainnya, Anda dapat melihat tabel kode warna ini.
# Create a word cloud image
wc = WordCloud(background_color="white", max_words=1000, mask=transformed_wine_mask,
stopwords=stopwords, contour_width=3, contour_color='firebrick')
# Generate a wordcloud
wc.generate(text)
# store to file
wc.to_file("img/wine.png")
# show
plt.figure(figsize=[20,10])
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
plt.show()

Voila! Anda membuat word cloud berbentuk botol wine! Tampaknya deskripsi wine paling sering menyebut black cherry, cita rasa buah, dan karakteristik full-bodied. Sekarang mari lihat lebih dekat ulasan untuk setiap negara dan plot word cloud menggunakan bendera masing-masing negara. Di bawah ini adalah contoh yang akan segera Anda buat:

Membuat Word Cloud Mengikuti Pola Warna
Anda dapat menggabungkan semua ulasan dari lima negara dengan jumlah wine terbanyak. Untuk menemukan negara-negara tersebut, Anda bisa melihat plot country vs number wine di atas atau menggunakan grup yang Anda buat sebelumnya untuk mencari jumlah observasi setiap negara (setiap grup) dan sort_values() dengan argumen ascending=False untuk mengurutkan menurun.
country.size().sort_values(ascending=False).head()
country
US 54504
France 22093
Italy 19540
Spain 6645
Portugal 5691
dtype: int64
Jadi sekarang Anda memiliki 5 negara teratas: AS, Prancis, Italia, Spanyol, dan Portugal. Anda dapat mengubah jumlah negara dengan memasukkan angka pilihan Anda ke dalam head() seperti di bawah ini
country.size().sort_values(ascending=False).head(10)
country
US 54504
France 22093
Italy 19540
Spain 6645
Portugal 5691
Chile 4472
Argentina 3800
Austria 3345
Australia 2329
Germany 2165
dtype: int64
Untuk saat ini, lima negara sudah cukup.
Untuk mendapatkan semua ulasan tiap negara, Anda dapat menggabungkan semua ulasan menggunakan sintaks " ".join(list), yang menyatukan semua elemen dalam daftar dan memisahkannya dengan spasi.
# Join all reviews of each country:
usa = " ".join(review for review in df[df["country"]=="US"].description)
fra = " ".join(review for review in df[df["country"]=="France"].description)
ita = " ".join(review for review in df[df["country"]=="Italy"].description)
spa = " ".join(review for review in df[df["country"]=="Spain"].description)
por = " ".join(review for review in df[df["country"]=="Portugal"].description)
Kemudian, Anda dapat membuat word cloud seperti yang diuraikan di atas. Anda dapat menggabungkan dua langkah pembuatan dan penghasilannya menjadi satu seperti di bawah ini. Pemetaan warna dilakukan tepat sebelum Anda memplot cloud menggunakan fungsi ImageColorGenerator dari pustaka WordCloud.
# Generate a word cloud image
mask = np.array(Image.open("img/us.png"))
wordcloud_usa = WordCloud(stopwords=stopwords, background_color="white", mode="RGBA", max_words=1000, mask=mask).generate(usa)
# create coloring from image
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[7,7])
plt.imshow(wordcloud_usa.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
# store to file
plt.savefig("img/us_wine.png", format="png")
plt.show()

Terlihat bagus! Sekarang mari ulangi dengan ulasan dari Prancis.
# Generate a word cloud image
mask = np.array(Image.open("img/france.png"))
wordcloud_fra = WordCloud(stopwords=stopwords, background_color="white", mode="RGBA", max_words=1000, mask=mask).generate(fra)
# create coloring from image
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[7,7])
plt.imshow(wordcloud_fra.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
# store to file
plt.savefig("img/fra_wine.png", format="png")
#plt.show()
Perlu dicatat bahwa Anda harus menyimpan gambar setelah plotting untuk mendapatkan word cloud dengan pola warna yang diinginkan.

# Generate a word cloud image
mask = np.array(Image.open("img/italy.png"))
wordcloud_ita = WordCloud(stopwords=stopwords, background_color="white", max_words=1000, mask=mask).generate(ita)
# create coloring from image
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[7,7])
plt.imshow(wordcloud_ita.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
# store to file
plt.savefig("img/ita_wine.png", format="png")
#plt.show()

Berikutnya Italia adalah Spanyol:
# Generate a word cloud image
mask = np.array(Image.open("img/spain.png"))
wordcloud_spa = WordCloud(stopwords=stopwords, background_color="white", max_words=1000, mask=mask).generate(spa)
# create coloring from image
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[7,7])
plt.imshow(wordcloud_spa.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
# store to file
plt.savefig("img/spa_wine.png", format="png")
#plt.show()

Terakhir, Portugal:
# Generate a word cloud image
mask = np.array(Image.open("img/portugal.png"))
wordcloud_por = WordCloud(stopwords=stopwords, background_color="white", max_words=1000, mask=mask).generate(por)
# create coloring from image
image_colors = ImageColorGenerator(mask)
plt.figure(figsize=[7,7])
plt.imshow(wordcloud_por.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
# store to file
plt.savefig("img/por_wine.png", format="png")
#plt.show()

Hasil akhirnya ada pada tabel di bawah untuk membandingkan mask dan word cloud. Yang mana favorit Anda?





Cara Menafsirkan Word Cloud
Kita sudah melihat beberapa contoh word cloud dan cara membuatnya di Python. Namun, ada baiknya mengeksplorasi cara menafsirkan visualisasi data ini. Secara umum, ukuran setiap kata dalam cloud merepresentasikan frekuensi atau pentingnya dalam teks. Biasanya, semakin sering suatu kata muncul dalam teks, semakin besar ukurannya dalam word cloud.
Ada beberapa hal yang perlu diingat saat menafsirkan word cloud:
- Perhatikan ukuran kata: Seperti disebutkan, ukuran setiap kata dalam cloud berkaitan dengan frekuensi atau pentingnya dalam teks. Karena itu, kata yang lebih besar umumnya lebih signifikan dalam pesan keseluruhan teks.
- Cari pola: Apakah ada kelompok kata yang sering muncul bersama? Ini dapat mengindikasikan tema atau topik yang penting dalam teks.
- Pertimbangkan konteks: Ingat bahwa word cloud hanya merepresentasikan kata yang muncul dalam teks, dan tidak memberikan informasi tentang maknanya atau bagaimana kata itu digunakan. Karena itu, penting untuk memikirkan konteks teks dan makna spesifik dari kata-kata yang digunakan.
- Waspadai outlier: Terkadang, sebuah kata dapat muncul sangat besar dalam word cloud hanya karena sering muncul, meski tidak terlalu bermakna atau relevan dengan pesan keseluruhan teks. Perhatikan outlier semacam ini dan fokuslah pada kata dan pola yang paling signifikan.
Secara keseluruhan, word cloud bisa menjadi alat yang berguna untuk dengan cepat memvisualisasikan tema dan gagasan kunci dalam teks. Namun, penting diingat bahwa ini hanyalah salah satu alat di antara banyak cara untuk menganalisis data teks, dan sebaiknya digunakan bersama metode lain untuk analisis dan pemahaman yang lebih mendalam.
Selamat!
Anda berhasil! Anda telah mempelajari beberapa cara untuk menggambar word cloud di Python menggunakan pustaka WordCloud yang berguna untuk visualisasi analisis teks apa pun. Anda juga belajar bagaimana memask cloud menjadi bentuk apa pun, menggunakan warna pilihan Anda. Jika Anda ingin mempraktikkan keterampilan Anda, pertimbangkan proyek DataCamp: Topik Terpanas dalam Machine Learning
Jika Anda tertarik mempelajari lebih lanjut tentang Pemrosesan Bahasa Alami, ikuti track kami Fundamental Natural Language Processing di Python.

Apa itu Word Cloud?
Sering kali Anda melihat awan berisi banyak kata dengan berbagai ukuran yang merepresentasikan frekuensi atau pentingnya setiap kata. Ini disebut Tag Cloud atau word cloud. Dalam tutorial ini, Anda akan belajar cara membuat word cloud di Python dan menyesuaikannya sesuai kebutuhan. Alat ini akan berguna untuk mengeksplorasi data teks dan membuat laporan Anda lebih hidup.
Latih pembuatan WordCloud di Python dengan latihan praktis ini.
Dalam tutorial ini, kita akan menggunakan dataset ulasan wine dari situs Wine Enthusiast untuk mempelajari:
Kapan Menggunakan Word Cloud
Penting untuk diingat bahwa meskipun word cloud berguna untuk memvisualisasikan kata-kata umum dalam teks atau himpunan data, biasanya word cloud hanya bermanfaat sebagai ikhtisar tingkat tinggi atas tema-tema. Ini mirip dengan diagram batang, tetapi sering kali lebih menarik secara visual (meski kadang lebih sulit ditafsirkan). Word cloud bisa sangat membantu ketika Anda ingin:
Namun, perlu diingat bahwa word cloud tidak memberikan konteks atau pemahaman yang lebih dalam tentang kata dan frasa yang digunakan. Karena itu, word cloud sebaiknya digunakan bersama metode lain untuk menganalisis dan menafsirkan data teks.
Prasyarat
Untuk mulai membuat word cloud di Python, Anda perlu memasang beberapa paket berikut:
Pustaka
numpyadalah salah satu pustaka paling populer dan bermanfaat untuk menangani array dan matriks multi-dimensi. Pustaka ini juga sering digunakan bersamapandasuntuk melakukan analisis data.Modul Python
osadalah pustaka bawaan, jadi Anda tidak perlu memasangnya. Untuk membaca lebih lanjut tentang penanganan file dengan modul os, tutorial DataCamp ini tentang membaca dan menulis file di Python akan membantu.Untuk visualisasi,
matplotlibadalah pustaka dasar yang menjadi landasan banyak pustaka lain untuk berjalan dan memplot, termasukseabornatauwordcloudyang akan Anda gunakan dalam tutorial ini. Pustakapillowmemungkinkan pembacaan gambar. Pillow adalah pembungkus untuk PIL - Python Imaging Library. Anda memerlukan pustaka ini untuk membaca gambar sebagai mask untuk word cloud.wordcloudbisa sedikit rumit saat dipasang. Jika Anda hanya membutuhkannya untuk memplot word cloud dasar, makapip install wordcloudatauconda install -c conda-forge wordcloudsudah cukup. Namun, versi terbaru, dengan kemampuan memask awan ke bentuk apa pun pilihan Anda, memerlukan metode pemasangan berbeda seperti di bawah ini:Dataset:
Tutorial ini menggunakan dataset ulasan wine dari Kaggle. Kumpulan ini sangat bagus untuk belajar karena tidak memiliki nilai hilang (yang memerlukan waktu untuk ditangani) dan memiliki banyak teks (ulasan wine), data kategorikal, dan numerik.
Membuat Word Cloud di Python: Persiapan
Pasang pustaka yang diperlukan
Pertama-tama, muat semua pustaka yang diperlukan:
Jika Anda memiliki lebih dari 10 pustaka, susun berdasarkan bagian (seperti pustaka dasar, visualisasi, model, dll.). Gunakan komentar di dalam kode untuk membuat kode Anda rapi dan mudah diikuti.
Muat data ke dalam dataframe
Sekarang, gunakan
read_csvdari pandas untuk memuat dataframe. Perhatikan penggunaanindex_col=0yang berarti kita tidak membaca nama baris (indeks) sebagai kolom terpisah.Anda dapat mencetak beberapa informasi dasar tentang dataset menggunakan
print()dikombinasikan dengan.format()untuk hasil cetak yang rapi.Buat grup untuk membandingkan fitur
Untuk membuat perbandingan antar grup dari suatu fitur, Anda dapat menggunakan
groupby()dan menghitung statistik ringkas.Dengan dataset wine, Anda dapat melakukan pengelompokan berdasarkan negara dan melihat statistik ringkas untuk poin dan harga semua negara atau memilih yang paling populer dan mahal.
Ini memilih 5 rata-rata poin tertinggi di antara 44 negara:
Plot data
Anda dapat memplot jumlah wine berdasarkan negara menggunakan metode plot dari Pandas DataFrame dan Matplotlib. Jika Anda belum familiar dengan Matplotlib, lihat sekilas tutorial Matplotlib kami.
Di antara 44 negara yang memproduksi wine, AS memiliki lebih dari 50.000 jenis dalam dataset ulasan wine, dua kali lipat dari peringkat berikutnya, Prancis—negara yang terkenal dengan wine-nya. Italia juga memproduksi banyak wine berkualitas, dengan hampir 20.000 wine yang tersedia untuk diulas.
Periksa data
Sekarang mari lihat plot semua 44 negara berdasarkan wine dengan peringkat tertinggi, menggunakan teknik plot yang sama seperti di atas:
Australia, AS, Portugal, Italia, dan Prancis semuanya memiliki wine dengan 100 poin. Jika Anda perhatikan, Portugal berada di peringkat ke-5 dan Australia di peringkat ke-9 dalam jumlah wine yang diproduksi di dataset, dan kedua negara memiliki kurang dari 8000 jenis wine.
Itu sedikit eksplorasi data untuk mengenal dataset yang Anda gunakan hari ini. Sekarang Anda akan mulai masuk ke hidangan utama: word cloud.
Menyiapkan Word Cloud Dasar di Python
Mulai
Word cloud adalah teknik untuk menunjukkan kata-kata mana yang paling sering muncul dalam teks tertentu. Kita dapat menggunakan pustaka Python untuk membantu. Hal pertama yang sebaiknya Anda lakukan sebelum menggunakan fungsi apa pun adalah melihat docstring fungsi tersebut dan semua argumen wajib serta opsionalnya. Untuk melakukannya, ketik
?functiondan jalankan untuk mendapatkan semua informasi.Anda dapat melihat bahwa satu-satunya argumen wajib untuk objek WordCloud adalah text, sedangkan yang lainnya bersifat opsional.
Mulai dengan masukan sederhana
Jadi mari mulai dengan contoh sederhana: menggunakan deskripsi pada observasi pertama sebagai masukan untuk word cloud. Tiga langkahnya adalah:
Bagus! Anda dapat melihat bahwa ulasan pertama banyak menyebut rasa kering dan aroma wine.
Mengubah argumen opsional word cloud
Sekarang, ubah beberapa argumen opsional pada word cloud seperti
max_font_size,max_word, danbackground_color.Tampaknya penggunaan
max_font_sizedi sini bukan ide yang baik. Ini membuat perbedaan frekuensi kata lebih sulit dilihat. Namun, mencerahkan latar belakang membuat cloud lebih mudah dibaca.Jika Anda ingin menyimpan gambar, WordCloud menyediakan fungsi
to_fileHasilnya akan terlihat seperti ini saat Anda memuatnya:
Anda mungkin memperhatikan argumen
interpolation="bilinear"dalamplt.imshow(). Ini untuk membuat gambar tampilan terlihat lebih halus. Untuk informasi lebih lanjut tentang pilihannya, tutorial metode interpolasi untuk imshow ini adalah sumber yang berguna.Menggabungkan data
Sekarang Anda akan menggabungkan semua ulasan wine menjadi satu teks besar dan membuat cloud besar untuk melihat karakteristik mana yang paling umum pada wine ini.
Tampaknya black cherry dan full-bodied adalah karakteristik yang paling sering disebut, dan Cabernet Sauvignon adalah yang paling populer. Ini selaras dengan fakta bahwa Cabernet Sauvignon "adalah salah satu varietas anggur merah paling dikenal di dunia. Varietas ini ditanam di hampir setiap negara penghasil wine utama dalam beragam iklim, dari Okanagan Valley di Kanada hingga Beqaa Valley di Lebanon".[1]
Visualisasi word cloud di Python
Sekarang, mari tuangkan kata-kata ini ke dalam sebuah cangkir (atau bahkan sebotol) wine!
Untuk membuat bentuk bagi word cloud, pertama Anda perlu mencari file PNG yang akan menjadi mask. Di bawah ini adalah salah satu yang bagus dan tersedia di internet: