嗨嗨～
今天的主題相對比較簡單，就是要教大家用文字雲 (word cloud)的方式來呈現資料裡的關鍵詞！
大家應該多多少少都有看過文字雲吧～？就是像下圖這樣，由一堆字詞組成的圖，字體越大，代表它在文章中出現得越多或越重要。

相較於單純用圖表呈現字詞出現的頻率高低，文字雲能讓我們一眼就看出重點詞，不論是小說章節分析、社群熱門話題等，都非常實用！
今天就是要帶大家把這幾天學到的 正則表達式、斷詞、停用詞、詞頻等資料預處理技巧全部一起使用，然後生出一張漂亮的文字雲！

好啦～那我們就來實作吧！

第一步:安裝必要的套件

! pip wordcloud
! pip matplotlib
! pip install textblob

第二步:選取資料

我這邊選擇一則有關鏈鋸人的新聞當作範例，連結可以點這裡

text = '''
《鏈鋸人》電視動畫版結束已將近三年，《劇場版『鏈鋸人蕾潔篇』》再次帶著隆隆電鋸聲歸來，全球觀眾熱切期待。
因為在體驗以優秀動畫手法詮釋的電視版之後，大家都期待動畫製作公司MAPPA在大銀幕上會製造什麼驚人的娛樂效果。
《劇場版『鏈鋸人蕾潔篇』》確實很驚人，而且很震撼。讓我們在它9/24上映之前，分析這部電影的震撼魅力，讓你知道自己能在這一百分鐘裡享受到什麼。

《劇場版『鏈鋸人蕾潔篇』》的故事是什麼？
獵魔人「鏈鋸人」淀治正慢慢習慣他的新公安生活，他與同事早川秋與帕瓦生活在一起，
而他對頂頭上司真紀真無可救藥的迷戀也一點不變。真紀真突如其來的約會邀請，更讓淀治內心惡魔亂撞。
但在一個下雨天，淀治在電話亭遇到了神秘美女蕾潔。蕾潔可愛、性感、是在咖啡店打工的年輕學生，而且，她竟然喜歡淀治噁爛的行為與不好笑的笑話。蕾潔主動表達好感，希望淀治能跟她遠走高飛……淀治面臨人生重大抉擇，他應該忠心若即若離的真紀真？
還是投向蕾潔愛的懷抱？但無論他怎麼選，這只是一場瘋狂殺戮的開始。

魅力一：MAPPA瘋勁全開
一鯨落，萬物生。1971年手塚治虫的動畫製作公司「虫製作」發生經營危機，此時手塚本人甚至都早已離開這間公司。兩年後虫製作倒閉，這兩年內大量人才陸續外流，其中的丸山正雄與出崎統出來自立門戶，成立了新動畫公司「MADHOUSE」。這個名稱只不過是丸山的玩心：他覺得當代的動畫公司都叫「XX工作室」或「OO製作」，不如選一個特立獨行的名稱，而MADHOUSE也不過是從一家名為「松戶House」的店名轉換而來（丸山堅持不透露這是什麼店）。

但Madhouse在英文裡就是瘋人院之意，對丸山來說，被當作瘋子也不要緊，而且儘管這個名字在日本受到側目，但在歐美可是大獲好評。在強烈強調個人主義的歐美，能瘋敢瘋才是王道。而且，Madhouse就是這麼瘋，他們製作的《獸兵衛忍風帖》、《最臭兵器》、《吸血鬼獵人D》、與今敏的《藍色恐懼》等等作品，全都在內容與美術上超越當代水準。這股瘋勁在丸山離開Madhouse，成立MAPPA之後依舊存在，而你在《鏈鋸人》與《劇場版『鏈鋸人蕾潔篇』》裡，依舊可以感受到這股持續五十年的瘋狂。

《鏈鋸人》裡的惡魔們不會高喊必殺技，他們的舉手投足都是破壞力極強的殺招，因此，在善於描繪人物動作（看看《咒術迴戰》裡精湛的武打動作）的MAPPA手上，這些惡魔的肢體語言本身就極富魅力。飛踢、或被踢飛，他們在空中的肢體舞動，連真人電影都難以比擬，更別提數位人偶在表現這些動作時的不自然感。
但MAPPA可不是架好攝影機固定不動，拍出長鏡頭就算數。這些動作鏡頭本身自帶節奏感，它們由一系列的零碎鏡頭組成，而換鏡通常配合著劇情節奏進行。當炸彈惡魔輕聲說出一句「砰」，你得準備好接下來幾秒鐘會有一系列鏡頭不斷地砸到臉上，可能是不同角度的爆炸畫面，可能是被炸的角色從不同方向飛走。這種節奏感讓華麗的畫面切換，更能讓觀眾產生共鳴。

2018年電影《蜘蛛人：新宇宙》嘗試讓多種不同畫風塞進一部電影裡，《劇場版『鏈鋸人蕾潔篇』》裡也能看到這種奇妙效果。在後40分鐘的大混戰橋段裡，不只主角們打成一團，MAPPA的美術風格也在此時引爆大混戰，你會看到美術風格也變成一種展現角色精神狀態的手段，當他們慷慨激昂，畫風也隨之不羈；當他們高速飛馳，這些角色身上的線條也開始變形扭曲。《劇場版『鏈鋸人蕾潔篇』》是一部畫面與風格極端混亂的電影，因為，這部電影裡的角色內心負擔了巨大的悲哀與崩壞。

很難想像如果不是MAPPA來執行這個計畫，《劇場版『鏈鋸人蕾潔篇』》是否還能如此在畫面上忠實呈現原著角色的心境。這部電影沒有旁白解釋，沒有人出來說明行事動機。你會感受到的是淀治內心的情慾衝動、蕾潔的嬌俏可愛、與真紀真的美麗之下似乎隱藏著什麼。因此美術很重要，它們必須勾引觀眾「見山不是山」，讓他們在一連串的蒙太奇之中，理解這些角色為何相愛相殺。

狂氣無處不在，炸彈惡魔衝向鏡頭要給淀治一拳，你可以畫牠跑向鏡頭、飛向鏡頭，但MAPPA偏偏不這麼做，這個畫面位於一片漆黑的樓面，他們畫的是惡魔身上的火焰亮紋，一身黃光快速欺近鏡頭，你看不到牠完整的全身，但你感受到了牠逼近的速度感與威嚇感。
魅力二：蕾潔純潔性感魅力全開
這部電影都叫「蕾潔篇」了，新角色蕾潔當然很重要。作為一個全新角色，觀眾不認識她，也沒有任何伏筆鋪墊她的背景或動機。而觀眾必須在這一百分鐘裡認識陌生的她，甚至可能得喜歡她，這樣電影才能讓劇情高潮順利打擊觀眾的內心。而《劇場版『鏈鋸人蕾潔篇』》成功了。

看到男孩嘔吐著從口中拿出一朵花，蕾潔露出笑顏讓觀眾看到她整個臉龐，這是她在漫畫的初登場。就在這一頁的前幾頁，淀治正按著心臟對自己說，「我絕對不會喜歡上別人！」。但是，幾頁後的蕾潔就要讓淀治立刻天人交戰。事實上，這一話從蕾潔登場到結束，僅有14頁。那麼，電影在這14頁的份量裡，電影要如何快速說服觀眾，蕾潔有讓淀治背叛自我誓言的魅力？

答案是上田麗奈。她銀鈴般的嗓音立刻讓平面紙上的蕾潔增加了不同想像，她喊著「淀治」時刻意拉長音與連字黏音的念法，增加了一種特別的親暱感。在蕾潔邀請淀治到她打工的咖啡店時，我們不認識蕾潔是誰，不了解她的動機。在這種未知狀況下，上田麗奈的聲音演技是讓這個角色變得可人的主因，她的笑聲是天真無邪，她撒嬌般的說話語氣似乎暴露了她的真心，這不是你能在漫畫上感受的可愛，這是上田麗奈的實力。
淀治一步步踏進（自認為）的愛情迷宮，蕾潔沒有親口說出我喜歡你，但淀治已經對她心醉神迷。可是，蕾潔的魅力還要繼續升級，她邀請淀治一起到深夜的學校裡玩，兩人一起享受無人的學校泳池。這段夜間戲水橋段是整部電影的重點之一，因為淀治第一次享受愛情帶給他的甜蜜震撼（他此前遇見的所有女性幾乎都曾對他不利）。同樣的，這個橋段在漫畫裡也只有七頁的短篇幅。但是，《劇場版『鏈鋸人蕾潔篇』》不但把每一格漫畫都複製進來了，它還加上了上田的配音，與MAPPA描繪的如夢如幻風景，以及緊跟淀治的主觀跳水鏡頭，這些讓這個愛情迷宮變得更加堅不可摧。

《劇場版『鏈鋸人蕾潔篇』》有備而來，它成功讓觀眾認識蕾潔，甚至讓她有足夠的魅力，去挑戰過去故事裡如女神一般地位崇高的真紀真。這讓整個故事在最後的結局，才能帶給觀眾更大的震撼。
魅力三：音樂大咖功力全開
米津玄師為本片演唱的主題曲《Iris out》，MV在YouTube上架短短八天，播放量已經超過1,800萬次。你可以在《劇場版『鏈鋸人蕾潔篇』》開場聽到這首歌，這首快節奏且毫不掩飾愛意熱情的勁曲，讓觀眾快速進入這部以愛情為主的動作電影世界。而電影最後工作人員名單出現時，你還能聽到由米津與宇多田光首次合作的新曲《Jane Doe》，兩位音樂大神首度合作這首哀傷情歌，當然不能錯過用電影院大喇叭聆聽的機會。而更重要的是，這兩首主題曲都與《劇場版『鏈鋸人蕾潔篇』》劇情很有關連，非常值得細細品味。

當然的，牛尾憲輔的配樂才是《劇場版『鏈鋸人蕾潔篇』》的主菜，為這部混亂的電影添上更多混亂淒厲的重拍。但別忘了牛尾可是從小學習鋼琴，在談情說愛的溫柔橋段，你可以聽到他令人心碎的鋼琴演奏。在電影院觀賞，才能清晰聽到這位電音好手的玩心實力：《from below with love》加進了雷鬼的慵懶節拍；《our film》看似無規則的琴鍵單擊，帶來意味不明又疏離的情緒；還有《first glance》用沉穩的鋼琴彈出一見鍾情的小甜蜜。牛尾的這張原聲帶如同電影一般混亂，前半是以鋼琴為主的抒情、後半則是電吉他與效果器的轟天合鳴，非常有趣。

還需要推薦《劇場版『鏈鋸人蕾潔篇』》嗎？其實好像是多此一舉。MAPPA為這部作品打造更多面向的魅力，儘管你可能在幾年前早就看完了漫畫，但《劇場版『鏈鋸人蕾潔篇』》絕對會給你更豐富的視聽體驗，那是超越漫畫文本的多媒體享受。

'''

第三步：清理資料

再來我們就可以用前幾天有學到的re 來清理文本中的標點符號、空格等，我這邊沒有清掉數字或英文，因為以這則新聞來說我覺得也是必要的

# 先用re 簡單清除掉不必要的標點符號以及停用詞
import re
no_punction = re.sub(r"[^\w\s]+", "", text) 
#清掉換行符號
clean_text = no_punction.replace("\n", "")
#去掉停用詞
stopwords = r"再|在|的|了|和|是|就|也|那|等|因|上|頁|以|那麼|已將|再次|著|為|之|後|都|他|她|這些|那些|得|更|它|讓|你|到|但|而|這|與|不"
flitered_words = re.sub(stopwords, '', clean_text)

小小不一樣的地方是，前幾天的停止詞我們是建立字典，那大家其實也可以直接用這個方式來清理停止詞喔！

第四步：斷詞

那因為是要處理中文的資料，所以這邊使用結巴來協助我們斷詞
記得可以引入自己定義的字典來輔助喔！

#用結巴斷詞
import jieba
#引入自定義的字典
jieba.load_userdict("/Users/xxuan/Desktop/斷詞字典.txt")
#斷詞
words = jieba.lcut(flitered_words)

結束之後可以先看看斷詞結果是不是滿意～
印出前10 個高頻詞來看看！

word_freq = Counter(words)
print(word_freq.most_common(5))

輸出結果

[('淀治', 18), ('蕾潔', 18), ('劇場版', 15), ('鏈鋸人蕾潔篇', 15), ('MAPPA', 10)]

嘿嘿～挺滿意，那我們就來畫畫文字雲吧！

第五步：製作文字雲

我們這邊是使用wordcloud 套件來幫忙

from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 設定中文字型路徑，這邊是以mac 作為範例喔！
font_path = "/System/Library/Fonts/STHeiti Medium.ttc" 

#開始設定文字雲會顯示的東西！

wc = WordCloud(
    font_path=font_path, 
    width=800, 
    height=400,
    background_color="white",
    colormap="rainbow"   # 顏色主題，可改成 'rainbow'、'cool' 等
)

wc.generate_from_frequencies(word_freq) #開始製作文字雲

最後我們就可以把它印出來惹！

# 顯示文字雲
plt.imshow(wc, interpolation="bilinear")
plt.axis("off")
plt.show()

登登登登～

是不是馬上就看到重點惹！！這就是視覺化的好處拉～

當然，最後也可以將這張圖存到想要存的地方

wc.to_file("/Users/xxuan/Desktop/wordcloud.png")

這邊應該就可以看出來，製作文字雲是可以客製化的！！不管是顏色還是排版都可以自行設定，這邊提供大家一些簡單可以調整的參數參考

比如說，你可能覺得現在製作出來的圖有點太雜，太多字了，那我們就可以來新增一下max_words，並將參數設置為100

wc = WordCloud(
    font_path=font_path, 
    width=800, 
    height=400,
    background_color="white",
    colormap="rainbow",   # 顏色主題，可改成 'rainbow'、'cool' 等/
    max_words = 100
)

最後文字雲效果

看起來就沒這麼擁擠惹～如果還是覺得不滿意的話，可以再改改其他參數試試看😇

文字雲還可以自訂形狀喔！有興趣的朋友們可以用一張淀治的圖來製作專看看XD 我覺得非常😁

今天大概就到這邊～ 今天算是比較輕鬆一點，也順便讓大家複習一下前面整個儲利資料的流程～
還是老話一句，越練習就會越上手！大家不妨拿起手邊的資料，做一張專屬自己的文字雲吧～

那我們明天見嚕～～