11. BI - 如何在 Python 中进行分词并展示词云

本文为 「茶桁的 AI 秘籍 - BI 篇 第 11 篇」

Hi, 你好。我是茶桁。

之前两节课，咱们学习了基础的数据可视化工具以及决策树的可视化。今天这节课，咱们要看到的是另外一个场景，叫做词云展示。

词云应该所有人都不会陌生，一般什么时候用呢？

2007 年的时候北京的 Google 总部，一进入谷歌大楼就有一个非常震撼的场景，在谷歌的大屏幕里面就放了一个词云的展示。其实现在都知道是词云展示，技术并不是很难。它有个地球，每个地点里面都有个点。无论是在北京，或者在印度、美国的某个城市，每个点里面会呈现一个词云。这个词云告诉你在当前城市的关键词，它的新闻都呈现怎样的一个走势，用一种滚动的形态。你会发现它非常的智能。

Python 词云展示

词云就是对关键词的一种提取，它是文本分析的一种工具。如果我们要做文本分析的话基本上比较常做的就是两种，要么就是英文，要么就是中文。

在做词云展示之前要对文本进行处理，文本特征要去做提取的时候你要以一个单词的粒度。那单词怎么来？在一连串过程中我们要把最原始的那个单词给它提取出来，我们称之为叫做分词。

分词需要用一些分词工具，中文的分词工具最常见的是jieba，英文的话用NLTK。

那为了下面课程大家能跟着一起操作，我说一下这两个工具的安装。jieba比较简单，直接用conda install jieba就可以了，nltk 也是一样的，直接用conda install nltk，只是