Python关键词共现矩阵【论文】

Love The Way You Lie 2024-04-28 07:43 31阅读 0赞

> ![16df0128c2fc4761be10983e3e8c7ec5.png][]
> 
> 大抵是不用进厂了罢。

![837b11390fd2464cb748a84aef98ffc4.png][]

--------------------

**目录**

一、?Python简介

二、?构建关键词矩阵

三、?构建关键词共线热力图

?Summary

获取源码？私信？关注？点赞？收藏？WeChat?

--------------------

## 一、?Python简介 ##

Python是一种高级、解释性、面向对象的编程语言。它具有简洁的语法和易于阅读的代码风格，使得它成为初学者和专业开发人员的首选语言之一。

Python具有广泛的应用领域，包括Web开发、数据分析、人工智能、科学计算、网络编程等。它拥有强大的第三方库和工具生态系统，如NumPy、Pandas、Matplotlib和TensorFlow，使得开发人员能够快速构建复杂的应用程序。

Python还是一种跨平台的语言，可以在多个操作系统上运行，如Windows、Linux和MacOS。

由于其易学易用的特性，Python已经成为编程教育的主流语言之一。许多大学和学校都将Python作为入门级编程语言进行教学。

总体而言，Python是一种功能强大、易于学习和使用的编程语言，适用于各种应用场景，并且在业界有着广泛的应用和支持。

**使用Python进行财务分析是一种常见的应用。Python有很多用于数据分析和金融建模的库，如Pandas、NumPy和Matplotlib等。**

--------------------

**【NLP】关键词共现/属性共现矩阵**  
【共现】理解起来无非是两个词语同时出现的频次作为一个指标，构造矩阵。矩阵的第一列和第一行都是词语列表中的所有词，因此对角线一般设置为0——即不把自己和自己共现算进去。假如矩阵为M，M【i】【j】  
就表示第i+1个词和第j+1个词一起在文档集合里出现了多少次，且M【i】【j】=M【j】【i】。

--------------------

## 二、?构建关键词矩阵 ##

①

共现分析在数据分析中经常使用到，这里的关键词可以指的是文献中的关键词、作者、作者机构等等。在其他领域中，如电影电视剧也可以用来研究演员共现矩阵等等。在得出共现矩阵后，可以使用UCINET、NETDRAW或者Gephi来进行共现图谱的绘制，达到数据可视化的效果。

首先看看原始数据：  
————————————————

![20243f381a0d4345be3ed4b8b42483d0.png][]

关键词：

————————————————

![4567444a89d44246802451a7346f1a66.png][]

下面的代码中我将通过numpy处理数据以及构建共现矩阵，为了统计以上关键字在 `data.xlsx` 文件中同时出现的次数，我们可以使用 Pandas 和 NumPy 库来处理数据并生成共现矩阵，并最终将结果输出到一个 CSV 文件中。

以下是完成这个任务的示例代码：

import numpy as np
    import pandas as pd
    
    # 读取 Excel 文件
    df = pd.read_excel('E:\Desktop\data.xlsx')
    
    # 构建关键词列表
    keywords = [
        "管道", "泄漏", "天然气", "检测", "装置", "连接", "气体", "固定", "传感器", "安装",
        "信号", "光纤", "系统", "设置", "监测", "方法", "实用新型", "公开", "密封", "技术",
        "机构", "定位", "数据", "采集", "模块", "领域", "位置", "压力", "组件", "传感",
        "模型", "浓度", "结构", "内部", "单元", "本体", "控制", "发生", "表面", "输出",
        "提供", "顶部", "快速", "泄露", "封堵", "测量", "报警", "壳体", "提高", "调节"
    ]
    
    # 创建关键词共现矩阵
    co_occurrence_matrix = np.zeros((len(keywords), len(keywords)), dtype=int)
    
    # 统计关键字共现次数
    for i in range(len(keywords)):
        for j in range(len(keywords)):
            co_occurrence_matrix[i, j] = sum(df['发明名称'].str.contains(keywords[i]) & df['text'].str.contains(keywords[j]))
    
    # 创建共现矩阵 DataFrame
    co_occurrence_df = pd.DataFrame(co_occurrence_matrix, index=keywords, columns=keywords)
    
    # 输出共现矩阵
    print(co_occurrence_df)
    
    # 将共现矩阵保存为 CSV 文件
    co_occurrence_df.to_csv('co_occurrence_matrix.csv')

请确保将代码中的 `data.xlsx` 替换为你实际的 Excel 文件名，并根据文件的实际格式和内容进行调整。运行代码后，将会输出关键字的共现矩阵，并将该矩阵保存为一个名为 `co_occurrence_matrix.csv` 的 CSV 文件。

结果如下：

![e398be40e9eb45a8bf3a8c8c59aa1e85.png][]

![0bf43b44174d4313919178badd9aa670.png][]

使用wps打开：

![d52457b4d1814c5584e95bfde2a0a4e8.png][]

--------------------

②

仅通过numpy统计共现次数，并在控制台打印输出

import numpy as np
    
    # 构建关键词列表
    keywords = [
        "管道", "泄漏", "天然气", "检测", "装置", "连接", "气体", "固定", "传感器", "安装",
        "信号", "光纤", "系统", "设置", "监测", "方法", "实用新型", "公开", "密封", "技术",
        "机构", "定位", "数据", "采集", "模块", "领域", "位置", "压力", "组件", "传感",
        "模型", "浓度", "结构", "内部", "单元", "本体", "控制", "发生", "表面", "输出",
        "提供", "顶部", "快速", "泄露", "封堵", "测量", "报警", "壳体", "提高", "调节"
    ]
    
    # 创建关键词共现矩阵
    matrix = np.zeros((len(keywords), len(keywords)))
    
    # 遍历关键词列表，并统计共现次数
    for i in range(len(keywords)):
        for j in range(len(keywords)):
            # 这里可以根据实际情况定义共现规则，比如两个关键词在文本中同时出现则计数加一
            # 这里只是示例，随机生成一个共现次数
            matrix[i][j] = np.random.randint(0, 10)
    
    # 打印关键词共现矩阵的行名和列名
    print("\t" + "\t".join(keywords))
    for i in range(len(keywords)):
        print(keywords[i], end="\t")
        for j in range(len(keywords)):
            print(matrix[i][j], end="\t")
        print()

## 三、?构建关键词共线热力图 ##

通过numpy以及matplotlib构建热力图

import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    
    # 构建关键词列表
    keywords = [
        "管道", "泄漏", "天然气", "检测", "装置", "连接", "气体", "固定", "传感器", "安装",
        "信号", "光纤", "系统", "设置", "监测", "方法", "实用新型", "公开", "密封", "技术",
        "机构", "定位", "数据", "采集", "模块", "领域", "位置", "压力", "组件", "传感",
        "模型", "浓度", "结构", "内部", "单元", "本体", "控制", "发生", "表面", "输出",
        "提供", "顶部", "快速", "泄漏", "封堵", "测量", "报警", "壳体", "提高", "调节"
    ]
    
    # 创建关键词共现矩阵
    matrix = np.zeros((len(keywords), len(keywords)))
    
    # 遍历关键词列表，并统计共现次数（这里只是随机生成一个共现次数）
    for i in range(len(keywords)):
        for j in range(len(keywords)):
            matrix[i][j] = np.random.randint(0, 10)
    
    # 设置中文字体
    font = FontProperties(fname='C:\Windows\Fonts\msyh.ttc', size=12)  # 替换为你的中文字体文件路径
    
    # 利用 Matplotlib 绘制关键词共现矩阵的热力图
    plt.figure(figsize=(12, 10))
    plt.imshow(matrix, cmap='hot', interpolation='nearest')
    plt.colorbar()
    plt.xticks(ticks=np.arange(len(keywords)), labels=keywords, rotation=90, fontproperties=font)
    plt.yticks(ticks=np.arange(len(keywords)), labels=keywords, fontproperties=font)
    plt.show()

结果如下：

![580e2eed90e44d1eb97fe69dd1c22db2.png][]

至此，本篇文章就已经全部结束了，感谢大家的观看。

已许久许久许久……未更新。

忙于考试。

加油加油加油！！！

/(ㄒoㄒ)/~~

--------------------

## **?Summary** ##

> 上述内容就是此次  **Python关键词共现矩阵【论文】** 的全部内容了，感谢大家的支持，相信在很多方面存在着不足乃至错误，希望可以得到大家的指正。?(ง •\_•)ง

> 我非轻舟

> 2024年第一期，希望有一个好的开始！！！

> 希望大家有好的意见或者建议，欢迎私信，一起加油

--------------------

**以上就是本篇文章的全部内容了**

**~ 关注我，点赞博文~ 每天带你涨知识!**

1.看到这里了就 \[点赞+好评+收藏\] 三连 支持下吧，你的「点赞，好评，收藏」是我创作的动力。

2.关注我 ~ 每天带你学习 :各种前端插件、3D炫酷效果、图片展示、文字效果、以及整站模板 、HTML模板 、C++、数据结构、Python程序设计、Java程序设计、爬虫等！ 「在这里有好多 开发者，一起探讨 前端 开发 知识，互相学习」！

3.以上内容技术相关问题可以相互学习，可 关 注 ↓公 Z 号 获取更多源码 !

## 获取源码？私信？关注？点赞？收藏？WeChat? ##

> ?+✏️+⭐️+?

有需要源码的小伙伴可以 关注下方微信公众号**" Enovo开发工厂 " ，一起交流啊！！！**

[16df0128c2fc4761be10983e3e8c7ec5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/dd036b4ff56049ceaaa05ebecff9cec5.png
[837b11390fd2464cb748a84aef98ffc4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/31eb7d6f8e2f4b1a96094b35d82a5ede.png
[20243f381a0d4345be3ed4b8b42483d0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/6744baa17cd943ca951616c61245f54e.png
[4567444a89d44246802451a7346f1a66.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/5dbd4a1ac731495d85a4d25dfb0c7514.png
[e398be40e9eb45a8bf3a8c8c59aa1e85.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/8dfb705e61944c6f9dcfb14beffbd816.png
[0bf43b44174d4313919178badd9aa670.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/f7a33e3828cf4ff78a59c3211e56b917.png
[d52457b4d1814c5584e95bfde2a0a4e8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/d9a561bba1ac4a71b2bebf79b8a2953d.png
[580e2eed90e44d1eb97fe69dd1c22db2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/28/01b73b570bf545dab95f04c498268c11.png