新型コロナウイルス感染者情報の特徴をwordcloudで可視化してみた

13696 ワード
wordcloud Python Visualization mecab Python テキストリンク

概要

  • 新型コロナウイルス(COVID-19)の日本の感染者情報を取得
  • mecabで形態素解析
  • wordcloudで特徴語を可視化

参考

新型コロナウイルス(COVID-19)の感染者情報

config

  • config.py
import re
import os

### MeCab
POS_LIST = [10, 11, 31, 32, 34]
POS_LIST.extend(list(range(36,50)))
POS_LIST.extend([59, 60, 62, 67])
STOP_WORDS = ["する", "ない", "なる", "もう", "しよ", "でき", "なっ", "くっ", "やっ", "ある", "しれ", "思う", "今日", "それ", "これ", "あれ", "どれ", "どの", "NULL", "れる", "なり", "あっ", "できる", "私"]
RE_ALPHABET = re.compile("^[0-9a-zA-Z０-９ .,*<>]+$") # alphabet, number, space, comma or dot
current_dir = os.getcwd()
OUTPUT_PNG_FILE = os.path.join(current_dir, "wordcloud.png")
  • 前処理

（略）

形態素解析

import MeCab
from os import path
from wordcloud import WordCloud
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import re

def create_mecab_list(text_list):
    mecab_list = []
    mecab = MeCab.Tagger("-Ochasen -d /usr/local/lib/mecab/dic/mecab-ipadic-neologd") # MacOS
    mecab.parse("")
    # encoding = text.encode('utf-8')
    for text in text_list:
        node = mecab.parseToNode(text)
        while node:
            # [品詞,品詞細分類1,品詞細分類2,品詞細分類3,活用形,活用型,原形,読み,発音]
            # 忙しく  形容詞,自立,*,*,形容詞・イ段,連用テ接続,忙しい,イソガシク,イソガシク
            morpheme = node.feature.split(",")[6]
            if RE_ALPHABET.match(morpheme):
                node = node.next
                continue
            if morpheme in STOP_WORDS:
                node = node.next
                continue
            if len(morpheme) > 1:
                if node.posid in POS_LIST:
                    mecab_list.append(morpheme)
            node = node.next
    return mecab_list

wordcloud

import MeCab
from os import path
from wordcloud import WordCloud
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import re

def create_wordcloud(morphemes):
    # fpath = "/usr/share/fonts/truetype/takao-gothic/TakaoPGothic.ttf" # Ubuntu
    fpath = "/System/Library/Fonts/ヒラギノ丸ゴ ProN W4.ttc" # Mac OS X
    wordcloud = WordCloud(
        background_color="whitesmoke",
        collocations=False,
        stopwords=set(STOP_WORDS),
        max_font_size=80,
        relative_scaling=.5,
        width=800,
        height=500,
        font_path=fpath
        ).generate(morphemes)
    plt.figure()
    plt.imshow(wordcloud)
    plt.axis("off")
    wordcloud.to_file(OUTPUT_PNG_FILE)

結果

  • 「女性」より「男性」のほうが感染者が多い
    • → 「女性」より「男性」のほうが文字サイズが大きい
  • 「20代」が以外に多い
  • 「マスク」大事…

その他新型コロナ関連情報