scattertext
Crea diagramas de dispersión HTML interactivos que visualizan cómo difiere el lenguaje entre tipos de documentos.
Genera diagramas de dispersión HTML interactivos para encontrar términos distintivos en corpus de texto.
Scattertext es una biblioteca de Python que crea visualizaciones interactivas basadas en navegador sobre cómo difiere el lenguaje entre categorías de documentos. Te ayuda a analizar frecuencias de términos, asociaciones y patrones semánticos utilizando etiquetas que no se solapan. Los científicos de datos y analistas de texto que exploran conjuntos de datos textuales la encontrarán especialmente útil.
Qué es
Toma corpus de documentos analizados y produce diagramas de dispersión D3 interactivos donde los puntos corresponden a términos o frases posicionados según su uso por categoría. Las características incluyen algoritmos de colocación de etiquetas para evitar el solapamiento, controles de zoom y desplazamiento, y compatibilidad con métodos de puntuación alternativos como la d de Cohen, la g de Hedge y la separación bi-normal. También puedes visualizar modelos de tópicos, incrustaciones de palabras y diccionarios especializados como Empath o Moral Foundations.
Para quién
Es ideal para desarrolladores de Python y científicos sociales computacionales que necesitan explicar los pesos de clasificadores o comparar corpus de texto. No es adecuado para usuarios que no conocen Python o aquellos que buscan un panel web de arrastrar y soltar sin programar.
Funciones clave
Diagramas de dispersión D3 interactivos
Crea visualizaciones basadas en navegador con etiquetas de términos sin solapamiento y soporte de zoom.
Múltiples métodos de puntuación
Puntúa términos usando F-score escalado, d de Cohen, g de Hedge, Delta de Cliff o separación bi-normal.
Soporte de diccionarios especializados
Visualiza tópicos de Empath, categorías de Moral Foundations 2.0 y tokens de SentencePiece.
Interpretación de modelos
Explica los pesos de clasificación de texto de scikit-learn y modelos de tópicos mediante proyecciones interactivas.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Genera archivos HTML interactivos independientes para compartirlos fácilmente
- El posicionamiento inteligente de etiquetas evita el solapamiento de texto en gráficos densos
- Compatible con múltiples métricas estadísticas de tamaño del efecto listas para usar
- Se integra con bibliotecas populares de PNL como spaCy, gensim y jieba
Sus límites
- Requiere conocimientos de programación en Python y preprocesamiento de texto
- Los cálculos pesados pueden consumir muchos recursos para corpus muy grandes
- El mejor rendimiento requiere la instalación de múltiples dependencias externas de PNL
Precios y licencia
Gratis bajo la licencia Apache-2.0. El proyecto no ofrece opciones de pago alojadas, por lo que el único coste es ejecutarlo tú mismo en tu entorno de Python.
Empleos para hispanohablantes
870 puestos remotos abiertos de entrenamiento de IA, actualizados el 14 de noviembre de 2026; la mayoría paga $20–$170 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Úsalo, o deja que lo configuremos
FAQ
¿Puedo usar Scattertext sin instalar spaCy?
Sí, puedes sustituir spaCy por scattertext.WhitespaceNLP.whitespace_nlp, aunque la tokenización y la detección de límites de oraciones dependerán de expresiones regulares básicas.
¿Qué navegadores son mejores para ver el resultado?
Los archivos HTML generados se ven y funcionan mejor en Chrome y Safari.
¿Cómo evito que las etiquetas se solapen?
Scattertext aplica automáticamente un algoritmo de diseño que etiqueta selectivamente los puntos para que no se solapen con otras etiquetas o puntos.
