iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 18
1
AI & Machine Learning

玩轉資料與機器學習-以自然語言處理為例系列 第 18

周末特別節目-iThome鐵人文章分析(續)

  • 分享至 

  • xImage
  •  

承接上一篇文章,爬蟲、整理分析方法都已經在前面文章教學過,本篇文章就直接進入正題,進行分析。

各組別文字分析(全文)

def tokenize(sentence):
    terms = []
    if pd.notnull(sentence):
        for term in jieba.cut(sentence):
            term = term.lower()
            if term not in stops:
                terms.append(term)
    return terms

for g in set(df['group']):
    print(g)
    df_content = df[df['group'] == g][['text_content']]
    df_content['processed'] = df_content['text_content'].apply(tokenize)
    total_terms = []
    for terms in df_content['processed']:
        total_terms.extend(terms)
        
    wordcloud = WordCloud(font_path="simsun.ttf", background_color='white')
    wordcloud.generate_from_frequencies(frequencies=Counter(total_terms))
    plt.figure(figsize=(10, 10))
    plt.imshow(wordcloud, interpolation="bilinear")
    plt.axis("off")
    plt.savefig(os.path.join('day19_pic', 'worldcloud_' + g + '_chinese'), bbox_inches='tight', pad_inches=0)
    plt.show()

https://ithelp.ithome.com.tw/upload/images/20171223/20107576kVBD0RVnMs.jpg

各組別文字分析(英文)

for g in set(df['group']):
    print(g)
    df_content = df[df['group'] == g][['text_content']]
    df_content['processed'] = df_content['text_content'].apply(tokenize)
    english_terms = []
    for terms in df_content['processed']:
        for term in terms:
            match_eng = re.match(r'[a-z]+', term)
            if match_eng != None and match_eng.group(0) == term:
                english_terms.append(term)
            
    wordcloud = WordCloud(font_path="simsun.ttf", background_color='white')
    wordcloud.generate_from_frequencies(frequencies=Counter(english_terms))
    plt.figure(figsize=(10, 10))
    plt.imshow(wordcloud, interpolation="bilinear")
    plt.axis("off")
    plt.savefig(os.path.join('day19_pic', 'worldcloud_' + g + '_English'), bbox_inches='tight', pad_inches=0)
    plt.show()

https://ithelp.ithome.com.tw/upload/images/20171223/20107576Wgdc7E3N4P.jpg

各組別程式語言出現比例

  1. 整理出各組程式語言出現的次數
group_lang_count = {}
for g in set(df['group']):
    print(g)
    df_content = df[df['group'] == g][['text_content']]
    df_content['processed'] = df_content['text_content'].apply(tokenize)
    total_terms = []
    for terms in df_content['processed']:
        for term in terms:
            match_eng = re.match(r'[a-z]+', term)
            if match_eng != None and match_eng.group(0) == term:
                total_terms.append(term)

    langs = ["nodejs", "node", "reactjs", "react", "js", 
             "python", "javascript", "ruby", 'java', 'c', 
             'c#', 'angularjs', 'angular', 'typescript', 
             'd3', 'd3js', 'sql', 'html', 'css', 'jquery',
            'go', 'vue', 'vuejs', 'r']
    
    langs = sorted(langs)

    lang_count = {}
    for lang in langs:
        count = 0
        if lang in total_terms:
            count = Counter(total_terms).get(lang)
        lang_count[lang] = count
    
    print(lang_count)
    group_lang_count[g] = lang_count
    
df_lang = pd.DataFrame(list(group_lang_count.values()), index=group_lang_count.keys())
df_lang
angular angularjs c c# css d3 d3js go html java javascript jquery js node nodejs python r react reactjs ruby sql typescript vue vuejs
DevOps 0 0 1 0 41 0 0 4 21 13 1 0 22 67 6 7 0 0 0 3 2 0 0 0
Security 0 0 11 0 0 0 0 0 10 0 0 0 0 1 0 1 4 0 0 0 1 0 0 0
AI&MachineLearning 0 0 3 0 0 0 0 0 28 0 8 0 14 13 9 59 5 0 0 0 5 6 0 0
自我挑戰組 13 2 57 0 144 0 0 10 119 47 96 31 79 49 3 76 21 31 0 16 16 14 26 8
SoftwareDevelopment 0 0 55 0 55 0 0 43 78 120 22 4 92 16 26 63 8 4 0 14 32 0 0 0
ModernWeb 181 8 87 0 474 0 0 116 407 51 699 57 730 163 18 35 4 313 22 34 32 115 198 4
DataTechnology 1 0 6 0 2 0 0 9 19 12 7 0 22 10 17 118 76 15 0 4 35 6 7 0
  1. 畫圖
for g in set(df['group']):
    df_lang.T[g].plot(kind='pie', autopct='%.2f', title=g, fontsize=10, )
    plt.title(g, fontsize=20)
    plt.savefig(os.path.join('day19_pic', 'lang_pie_' + g), bbox_inches='tight', pad_inches=0)
    plt.show()

https://ithelp.ithome.com.tw/upload/images/20171223/20107576EKxuYYtgUd.jpg

文章長度排名

writer_name article_length group corpus_title writer_url
IcodesoIam. 1917.3333333333333 AI&MachineLearning 以100張圖理解NeuralNetwork--觀念與實踐系列 https://ithelp.ithome.com.tw/users/20001976/ironman
shortid 1426.25 AI&MachineLearning 機器學習你也可以-文組帶你手把手實做機器學習聖經系列 https://ithelp.ithome.com.tw/users/20107850/ironman
DuranHsieh 970.421052631579 AI&MachineLearning 利用MSBotframework與CognitiveService建構自用智慧小秘書系列 https://ithelp.ithome.com.tw/users/20091494/ironman
AlanTsai 2384.5 DataTechnology DataScience到底是什麼-從一個完全外行角度來看系列 https://ithelp.ithome.com.tw/users/20083151/ironman
arksu 2224.3333333333335 DataTechnology MicrosoftRSolution系列 https://ithelp.ithome.com.tw/users/20103333/ironman
bymiachang 1699.25 DataTechnology DataSciencewithAzure系列 https://ithelp.ithome.com.tw/users/20103632/ironman
帥哥 1715.857142857143 DevOps Openstack學習與介紹系列 https://ithelp.ithome.com.tw/users/20103615/ironman
zxcvbnius 1684.6666666666667 DevOps Kubernetes30天學習筆記系列 https://ithelp.ithome.com.tw/users/20103753/ironman
James 1494.75 DevOps k8s不自賞系列 https://ithelp.ithome.com.tw/users/20107062/ironman
Wellwind 3990.25 ModernWeb AngularMaterial完全攻略系列 https://ithelp.ithome.com.tw/users/20020617/ironman
KuroHsu 2839.6315789473683 ModernWeb 重新認識JavaScript系列 https://ithelp.ithome.com.tw/users/20065504/ironman
Arel 2715.25 ModernWeb JS30錄系列 https://ithelp.ithome.com.tw/users/20107212/ironman
WLLO 1913.6666666666667 Security 鯊魚咬電纜:30天玩Wireshark系列 https://ithelp.ithome.com.tw/users/20107304/ironman
frankyzyao 1640.3333333333333 Security 資安分析師的轉職升等之路系列 https://ithelp.ithome.com.tw/users/20084806/ironman
sunallen 1230.25 Security 為了明日的重開機系列 https://ithelp.ithome.com.tw/users/20006132/ironman
nonerkao 2728.25 SoftwareDevelopment 與妖精共舞:在RISC-V架構上使用GO語言實作binutils工具包系列 https://ithelp.ithome.com.tw/users/20103524/ironman
HelloWorld 2120.25 SoftwareDevelopment 系統架構秘辛:了解RISC-V架構底層除錯器的秘密!系列 https://ithelp.ithome.com.tw/users/20107327/ironman
fntsrlike 2040.75 SoftwareDevelopment 淺談軟體開發與工程的基本追求系列 https://ithelp.ithome.com.tw/users/20103676/ironman
M157q 2076.6666666666665 自我挑戰組 M157q的待業程式生活日誌系列 https://ithelp.ithome.com.tw/users/20107813/ironman
willyc20 1439.0 自我挑戰組 區塊鏈報明牌系列 https://ithelp.ithome.com.tw/users/20107460/ironman
ntausr4 1317.875 自我挑戰組 資訊技術解戈迪安繩結系列 https://ithelp.ithome.com.tw/users/20107621/ironman

文章讚數排名

writer_name like_count group corpus_title writer_url
IcodesoIam. 1.6666666666666667 AI&MachineLearning 以100張圖理解NeuralNetwork--觀念與實踐系列 https://ithelp.ithome.com.tw/users/20001976/ironman
GoatWang 0.5882352941176471 AI&MachineLearning 玩轉資料與機器學習-以自然語言處理為例系列 https://ithelp.ithome.com.tw/users/20107576/ironman
shortid 0.5 AI&MachineLearning 機器學習你也可以-文組帶你手把手實做機器學習聖經系列 https://ithelp.ithome.com.tw/users/20107850/ironman
plusone 1.0 DataTechnology 使用Python進行資料分析系列 https://ithelp.ithome.com.tw/users/20107514/ironman
JasonKuan(CapillaryJ) 0.8 DataTechnology 你都在公司都在幹啥R?R語言資料分析經驗分享系列 https://ithelp.ithome.com.tw/users/20107299/ironman
polo 0.5 DataTechnology GraphQL+ApolloData入門系列 https://ithelp.ithome.com.tw/users/20103438/ironman
blackie1019 2.3333333333333335 DevOps AmazonCloudService30dayschallenge系列 https://ithelp.ithome.com.tw/users/20083507/ironman
zxcvbnius 1.3333333333333333 DevOps Kubernetes30天學習筆記系列 https://ithelp.ithome.com.tw/users/20103753/ironman
cythilya 0.8333333333333334 DevOps Nightwatch101:使用Nightwatch實現End-to-EndTesting系列 https://ithelp.ithome.com.tw/users/20092232/ironman
sfisonly 4.666666666666667 ModernWeb 前端工程師養成手冊系列 https://ithelp.ithome.com.tw/users/20040221/ironman
vibertthio 2.6666666666666665 ModernWeb aesthEtic,CYBERのaudio/VISUAL,網頁中的聲音與影像研究系列 https://ithelp.ithome.com.tw/users/20107828/ironman
Wellwind 2.25 ModernWeb AngularMaterial完全攻略系列 https://ithelp.ithome.com.tw/users/20020617/ironman
frankyzyao 1.0 Security 資安分析師的轉職升等之路系列 https://ithelp.ithome.com.tw/users/20084806/ironman
evanslify 0.3333333333333333 Security 網路安全概述系列 https://ithelp.ithome.com.tw/users/20107704/ironman
虎虎 0.2777777777777778 Security CEH之越挫越勇系列 https://ithelp.ithome.com.tw/users/20103647/ironman
Howard 1.4782608695652173 SoftwareDevelopment 爬蟲始終來自於墮性系列 https://ithelp.ithome.com.tw/users/20107159/ironman
微中子 1.4166666666666667 SoftwareDevelopment 來做個網路瀏覽器吧!Let'sbuildawebbrowser!系列 https://ithelp.ithome.com.tw/users/20103745/ironman
Wolke 1.3333333333333333 SoftwareDevelopment MsBotframework30天上手系列 https://ithelp.ithome.com.tw/users/20046160/ironman
rabbitlai 2.75 自我挑戰組 工程師職災的認識與預防系列 https://ithelp.ithome.com.tw/users/20107803/ironman
royal801991 1.5833333333333333 自我挑戰組 使用PHP串接金流相關API系列 https://ithelp.ithome.com.tw/users/20107301/ironman
我是一支小小小小鳥 1.4166666666666667 自我挑戰組 GAME30天系列 https://ithelp.ithome.com.tw/users/20107379/ironman

文章觀看數排名

writer_name browse_count group corpus_title writer_url
Bonny 601.0 DataTechnology Python學習筆記系列 https://ithelp.ithome.com.tw/users/20107290/ironman
Wolke 570.8181818181819 DataTechnology MicrosoftBotFramework30天上手系列 https://ithelp.ithome.com.tw/users/20046160/ironman
stana 509.1578947368421 DataTechnology "Hadoopecosystem工具簡介,安裝教學與各種情境使用系列" https://ithelp.ithome.com.tw/users/20107349/ironman
cythilya 2663.25 DevOps Nightwatch101:使用Nightwatch實現End-to-EndTesting系列 https://ithelp.ithome.com.tw/users/20092232/ironman
AkitoSun 655.4 DevOps 大型敏捷專案的DevOps系列 https://ithelp.ithome.com.tw/users/20094400/ironman
yangj26952 604.6842105263158 DevOps 用30天來介紹和使用Docker系列 https://ithelp.ithome.com.tw/users/20103456/ironman
etrexkuo 8985.666666666666 ModernWeb 只要有心,人人都可以做卡米狗系列 https://ithelp.ithome.com.tw/users/20107309/ironman
riven 1482.0 ModernWeb 「放下屠龍刀!論開發者如何與設計師打交道」系列 https://ithelp.ithome.com.tw/users/20107565/ironman
sfisonly 1073.2222222222222 ModernWeb 前端工程師養成手冊系列 https://ithelp.ithome.com.tw/users/20040221/ironman
虎虎 678.5 Security CEH之越挫越勇系列 https://ithelp.ithome.com.tw/users/20103647/ironman
Fu-sheng 556.8421052631579 Security 資安的學習心得及分享系列 https://ithelp.ithome.com.tw/users/20107445/ironman
wkpeng 536.2105263157895 Security IT安全稽核系列 https://ithelp.ithome.com.tw/users/20107482/ironman
Wolke 1019.0 SoftwareDevelopment MsBotframework30天上手系列 https://ithelp.ithome.com.tw/users/20046160/ironman
Howard 803.0 SoftwareDevelopment 爬蟲始終來自於墮性系列 https://ithelp.ithome.com.tw/users/20107159/ironman
阿志 747.8888888888889 SoftwareDevelopment 30天快樂學習FunctionalProgramming系列 https://ithelp.ithome.com.tw/users/20103386/ironman
ocom 1448.8333333333333 自我挑戰組 如何用電商一個月從0賺到100萬系列 https://ithelp.ithome.com.tw/users/20107558/ironman
Kyle 787.0 自我挑戰組 自己動手實作新創空間系列 https://ithelp.ithome.com.tw/users/20006680/ironman
我是一支小小小小鳥 726.9166666666666 自我挑戰組 GAME30天系列 https://ithelp.ithome.com.tw/users/20107379/ironman

備註

上篇文章在這裡
code在這裡


上一篇
文件檢索概述-理論
下一篇
文件檢索概述-實作出LineBot檢索引擎
系列文
玩轉資料與機器學習-以自然語言處理為例31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
Wolke
iT邦研究生 5 級 ‧ 2017-12-31 16:15:13

不好意思 浪費大家這麼多時間

我要留言

立即登入留言