안녕하세요. 
이전 글에 이어서 이번에는 스팀잇에 작성한 글에서 단어를 추출하여 단어구름을 만들어 보겠습니다.
워드클라우드(wordcloud) 모듈을 설치한다.
pip install wordcloud
워드클라우드 깃허브에서 사용방법 또는 예제 소스를 참고할 수 있다.
스팀잇에서 내가 작성한 글을 가져온다. 작성한 글을 모두 가져오려면 오래 걸리니 우선 1건만 가져와서 테스트해본다.
from steem import Steem
from steem.blog import Blog
username = 'anpigon' # 사용자 아이디
b = Blog(username)
# posts = b.all()
posts = b.take(1) # 1건만 가져온다
texts = []
for post in posts:
if post.body != "":
texts.append(post.body.replace('\n', ''))
print(texts)
형태소 분석에는 은전한닢(Mecab) 분석기를 사용한다. 분석기 중에서 은전한닢이 가장 속도가 빠르고 분석결과가 만족스러웠다.
from konlpy.tag import Mecab
tagger = Mecab()
tokens = []
for text in texts:
tokens += tagger.nouns(text)
print(tokens)
이제 스팀잇 글에서 뽑아낸 단어를 가지고 단어구름을 만들어 보자.
import matplotlib.pyplot as plt
from wordcloud import WordCloud
wordcloud = WordCloud().generate(' '.join(tokens))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
위와 같은 이미지가 나타난다. wordcloud가 한글 폰트를 지원하지 않아서 그렇다.
한글 폰트가 설치된 경로를 설정한다. 폰트가 설치된 경로는 OS마다 다르기 때문에 이 부분은 각자 확인하고 설정해야한다. 그리고 흰색 배경이 좋아서 배경색을 흰색으로 변경하였다.
# Window의 경우 폰트 경로
# font_path = 'C:/Windows/Fonts/malgun.ttf';
wordcloud = WordCloud(
font_path='/Library/Fonts/AppleGothic.ttf',
background_color='white'
).generate(' '.join(tokens))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
글 한건에 대해서 분석이 완료 되었다. 이제 내가 작성한 모든 글을 가져와서 분석해보자.
from steem import Steem
from steem.blog import Blog
import matplotlib.pyplot as plt
from wordcloud import WordCloud
from konlpy.tag import Mecab
# 1. 스팀잇에서 작성한 글 모두 가져오기
username = 'anpigon'
b = Blog(username)
posts = b.all()
texts = []
for post in posts:
if post.body != "":
texts.append(post.body.replace('\n', ''))
# 2. 형태소 분석하여 명사 단어 추출하기
tagger = Mecab()
tokens = []
for text in texts:
tokens += tagger.nouns(text)
# 3. 단어구름 만들기
wordcloud = WordCloud(
font_path='/Library/Fonts/AppleGothic.ttf',
background_color='white',
max_words=2000,
).generate(' '.join(tokens))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
내가 평소에 글을 작성할 때, 구현, 사용, 아래 단어를 많이 사용하는 것을 볼 수 있다. 해당 단어는 카운트에서 제외하고 다시 실행해보자.
from wordcloud import WordCloud, STOPWORDS
stopwords = set(STOPWORDS)
stopwords.add("사용")
stopwords.add("구현")
stopwords.add("아래")
wordcloud = WordCloud(
font_path='/Library/Fonts/AppleGothic.ttf',
stopwords=stopwords,
background_color='white',
max_words=2000,
).generate(' '.join(tokens))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
아까와는 다른 결과가 나왔다. 이제 사각형 형태의 단어구름 모양을 이쁜 구름모양 ☁으로 바꿔보자.
참고로, 워드클라우드 깃허브 샘플소스에는 엘리스와 다스베이더 예제가 포함되어 있다.
나는 픽사베이(pixabay)에서 무료 구름 이미지를 가져와서 적용하였다.
from os import path
from PIL import Image
import numpy as np
import os
d = path.dirname(__file__) if "__file__" in locals() else os.getcwd()
mask = np.array(Image.open(path.join(d, 'cloud.png')))
wordcloud = WordCloud(
font_path='/Library/Fonts/AppleGothic.ttf',
background_color="white",
max_words=2000,
stopwords=stopwords,
mask=mask,
).generate(' '.join(tokens))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()
이미지 파일로 저장하고 싶으면 to_file()함수를 사용하면 된다.
wordcloud.to_file(path.join(d, "wordcloud.png"))
nltk와 plt모듈을 사용하면 단어 빈도수를 계산하여 그래프로 나타낼 수 있다.
import nltk
plt.figure(figsize=(12,6))
words = nltk.Text(tokens, name='단어 빈도수')
words.plot(50) # 50개만
plt.show()
여기까지 읽어주셔서 감사합니다.