Python 垃圾短信分析：词云可视化

Python 垃圾短信分析：词云可视化

本文将使用 Python 对 '手机垃圾短信' 数据集进行分析，并利用词云图可视化垃圾短信和非垃圾短信的特点。

数据集： sms_spam.csv

• 该文件包含 5537 行数据，2 列：
  • 'type'：短信类型，'ham' 为非垃圾短信，'spam' 为垃圾短信
  • 'text'：短信内容

步骤：

1. 安装库：

   pip install wordcloud pandas
   

2. 读取数据：

   import pandas as pd
   from wordcloud import WordCloud
   import matplotlib.pyplot as plt
   
   # 读取数据集
   data = pd.read_csv('sms_spam.csv')
   

3. 分类：

   # 分类垃圾邮件ham和非垃圾邮件spam
   spam = data[data['type'] == 'spam']
   ham = data[data['type'] == 'ham']
   

4. 生成词云：

   # 生成垃圾短信的词云图
   spam_text = ' '.join(spam['text'].tolist())
   spam_cloud = WordCloud(background_color='white').generate(spam_text)
   plt.imshow(spam_cloud, interpolation='bilinear')
   plt.axis('off')
   plt.savefig('spam_wordcloud.png')
   
   # 生成非垃圾短信的词云图
   ham_text = ' '.join(ham['text'].tolist())
   ham_cloud = WordCloud(background_color='white').generate(ham_text)
   plt.imshow(ham_cloud, interpolation='bilinear')
   plt.axis('off')
   plt.savefig('ham_wordcloud.png')
   

说明：

• WordCloud 类的 background_color 参数用于设置词云图的背景颜色，默认为黑色；interpolation 参数用于设置图像插值方式，这里使用双线性插值（bilinear）。
• matplotlib 库的 imshow 和 savefig 方法分别用于显示和保存词云图。