Построить график на основе содержимого базы данных

import sys 
import os 
import sqlite3
import re
import datetime
import hashlib
import snowballstemmer
import matplotlib.pyplot as plt
from matplotlib import cm
from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizer
from sklearn.cluster import KMeans
from sklearn.pipeline import Pipeline
import numpy as np
import pandas as pd
def text_cleaner(text):
    text = text.lower() # приведение в lowercase,
    
    text = re.sub( r'https?://[\S]+', ' url ', text) # замена интернет ссылок
    text = re.sub( r'[\w\./]+\.[a-z]+', ' url ', text) 
 
    text = re.sub( r'\d+[-/\.]\d+[-/\.]\d+', ' date ', text) # замена даты и времени
    text = re.sub( r'\d+ ?гг?', ' date ', text) 
    text = re.sub( r'\d+:\d+(:\d+)?', ' time ', text) 
 
    # text = re.sub( r'@\w+', ' tname ', text ) # замена имён twiter
    # text = re.sub( r'#\w+', ' htag ', text ) # замена хештегов
 
    stw = ['в', 'по', 'на', 'из', 'и', 'или', 'не', 'но', 'за', 'над', 'под', 'то',
           'a', 'at', 'on', 'of', 'and', 'or', 'in', 'for', 'at' ]
    text = re.sub( r'<[^>]*>', ' ', text) # удаление html тагов
    text = re.sub( r'[\W]+', ' ', text ) # удаление лишних символов
    
    stemmer = snowballstemmer.stemmer('russian');
    text = ' '.join( stemmer.stemWords( text.split() ) ) 
 
    stw = ['в', 'по', 'на', 'из', 'и', 'или', 'не', 'но', 'за', 'над', 'под', 'то',
           'a', 'at', 'on', 'of', 'and', 'or', 'in', 'for', 'at' ]
    remove = r'\b('+'|'.join(stw)+')\b'
    text = re.sub(remove,' ', text)
    
    text = re.sub( r'\b\w\b', ' ', text ) # удаление отдельно стоящих букв
 
    text = re.sub( r'\b\d+\b', ' digit ', text ) # замена цифр 
 
    return  text
def load_data():
    dbname = 'data/rss-all 3.sqlite'
    data = { 'text':[],'tag':[], 'tag1':[] }
    conn = sqlite3.connect(dbname)
    try:
        c = conn.cursor()
        for row in c.execute('SELECT * FROM data'):
            data['text'] += [row[1]]
            data['tag'] += [row[2]]
            data['tag1'] += [row[2]]
    finally:
        conn.close()
    return data
def save2db(data):
    load_data()
    dbname = 'result/result 3 26.sqlite'
    conn = sqlite3.connect(dbname)
    try:
        c = conn.cursor()
        c.execute("CREATE TABLE data(id TEXT PRIMARY KEY, txt TEXT, tag1 TEXT, tag2 TEXT)")
        data1 ={'tag':[], 'tag1':[], 'ntag2':[] }
        for n in range(0,len(data['text'])):
            t = data['text'][n] + str(data['tag'][n]) + str(data['tag1'][n]) + str(datetime.datetime.now())
            rec_hash = hashlib.sha256(t.encode('utf-8')).hexdigest()
            c.execute("INSERT INTO data VALUES (?, ?, ?, ?)",  (rec_hash, data['text'][n] , str(data['tag'][n]),str(data['tag1'][n])  ) )
 
        conn.commit()
    
    finally:
        conn.close()
def main():
    print("[i] загружаем данные...")
    data = load_data()
    print("\tсчитано: ",len(data['text']))
 
    print("[i] очистка данных...")
    D = [ text_cleaner(t) for t in data['text'] ]
 
    n_clusters=26
    print("[i] обучение кластеризатора...")
 
    text_clstz = Pipeline([
                    ('tfidf', TfidfVectorizer()),
                    ( 'km', KMeans(n_clusters=n_clusters, init='k-means++', n_init=10, max_iter=300, tol=1e-04, random_state=0) )
                        ])
    
    text_clstz.fit(D)
    data['tag1'] = text_clstz.predict(D)
    print("\tколичество кластеров:",len(set(data['tag1'])))
    print('\t-------------')
    print(data['tag'])
    print('\t-----------------')
    print(data['tag1'])
    print(data['tag1'].shape)
    print(data['tag1'].reshape(8,8))
    print(data['tag1'].data[1])
    print('\t--------------------')
    print('Сохранение матрицы')
    np.savetxt('result/matrix.txt', data['tag1'], fmt='%.2e')
    print('Сохранение матрицы завершено')
    print("[i] сохраняем результат...")
    
    save2db(data)
if __name__ == '__main__':
    sys.exit( main() )