从单列 Pandas 数据框生成词云

Question

我有一个 Pandas 数据框，其中有一列：犯罪类型。该列包含 16 个不同的犯罪“类别”，我想将其可视化为一个词云，词的大小基于它们在数据框中的频率。

我已尝试使用以下代码执行此操作：

要引入数据：

fields = ['Crime type']

text2 = pd.read_csv('allCrime.csv', usecols=fields)

生成词云：

wordcloud2 = WordCloud().generate(text2)
# Generate plot
plt.imshow(wordcloud2)
plt.axis("off")
plt.show()

但是，我收到此错误：

TypeError: expected string or bytes-like object

我能够使用以下代码从完整数据集创建较早的词云，但我希望词云仅从特定列“犯罪类型”（“allCrime.csv”包含大约13 列）：

text = open('allCrime.csv').read()
wordcloud = WordCloud().generate(text)
# Generate plot
plt.imshow(wordcloud)
plt.axis("off")
plt.show()

我是 Python 和 Pandas 的新手（通常是编码！），因此我们非常感谢所有帮助。

Answer 1

问题在于，您使用的 WordCloud.generate 方法需要一个字符串，它将在该字符串上计算单词实例，但您提供了 pd.Series。

根据您希望词云生成的内容，您可以执行以下任一操作：

1. wordcloud2 = WordCloud().generate(' '.join(text2['Crime Type']))，它将连接数据框列中的所有单词，然后计算所有实例。

2. 使用WordCloud.generate_from_frequencies 手动传递计算出的词频。

Answer 2

df = pd.read_csv('allCrime.csv', usecols=fields)

text = df['Crime type'].values 

wordcloud = WordCloud().generate(str(text))

plt.imshow(wordcloud)
plt.axis("off")
plt.show()

Answer 3

您需要创建一个连接的输入文本。这可以通过join 函数来完成。

fields = ['Crime type']
text2 = pd.read_csv('allCrime.csv', usecols=fields)

text3 = ' '.join(text2['Crime Type'])
wordcloud2 = WordCloud().generate(text3)
# Generate plot
plt.imshow(wordcloud2)
plt.axis("off")
plt.show()

Answer 4

您可以在删除单个列的所有停用词的同时生成词云。 假设您的数据框是 df 并且 col 名称是注释，那么以下代码可以提供帮助：

#Final word cloud after all the cleaning and pre-processing
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS
comment_words = ' '
stopwords = set(STOPWORDS) 

# iterate through the csv file 
for val in df.comment: 
  
   # typecaste each val to string 
   val = str(val) 

   # split the value 
   tokens = val.split() 
  
# Converts each token into lowercase 
for i in range(len(tokens)): 
    tokens[i] = tokens[i].lower() 
      
for words in tokens: 
    comment_words = comment_words + words + ' '


wordcloud = WordCloud(width = 800, height = 800, 
            background_color ='white', 
            stopwords = stopwords, 
            min_font_size = 10).generate(comment_words) 

# plot the WordCloud image                        
plt.figure(figsize = (8, 8), facecolor = None) 
plt.imshow(wordcloud) 
plt.axis("off") 
plt.tight_layout(pad = 0) 

plt.show() 

Answer 5

使用以下方法可以轻松完成：

df = pd.read_csv('allCrime.csv')
data = df['Crime type'].value_counts().to_dict()
wc = WordCloud().generate_from_frequencies(data)

plt.imshow(wc)
plt.axis('off')
plt.show()

Answer 6

import re
from wordcloud import WordCloud, STOPWORDS

# Remove punctuation
df['text_proc'] = \
df['text'].map(lambda x: re.sub('[,\.!?]', '', x))

# Convert the titles to lowercase
df['text_proc'] = \
df['text_proc'].map(lambda x: x.lower())

# Print out the first rows of papers
df['text_proc'].head()


# Join the different processed titles together.
long_string = ','.join(list(df['text_proc'].values))
# Create a WordCloud object
wordcloud = WordCloud(background_color="white", max_words=5000, contour_width=3, 
contour_color='steelblue')# Generate a word cloud
wordcloud.generate(long_string)# Visualize the word cloud
plt.figure( figsize=(20,10) )
plt.imshow(wordcloud)
plt.show()

Wordcloud example