7361 - 新大榭微课№:016 - 【模块】中文标签云应用实例讲解（公开课）

admin

       hello！大家好，今天张老师来讲解词云的具体应用实例，
       词云技术可以帮助我们进行数据分析，数据库静态可视化操作。
( K! y. K/ L, i       在上课之前请同学们先了解两个优秀的Python第三方库，他们分别是 jieba 和 wordcloud ，
) V+ D1 [9 }3 r7 Z       同学们有知道的吗？知道的同学请举个手！ 其实在高中《信息技术》（必修一）中有提到过 jieba 库，这也是高中必修学习的课程，而 wordcloud 库是高中选修课程，好了，废话少说，直接上干货，如果有同学对这两个库还不太了解的，建议先脑补一下，老师提供了这两个库的学习帖子链接，登陆对应的 学习直通车 就可以参加在线学习，今天，老师以《新大榭python学习社区》数据分析为例进行案例讲解，让大家进一步了解 jieba 和 wordcloud 的详细应用及操作。
- `5 B; Z- A' Z2 q

• jieba 库 ------------【学习直通车】（高中必修）
  

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  

下面我们以《新大榭python学习社区》为例进行数据词云效果展示，
1 e7 F. }" p2 k  G9 z7 Z首先下载待分析数据原始本文，注意编码保存为 utf-8 文本格式（text.txt）

2 E3 D3 U- f  t' n& b9 j
. u% Y9 i: S( Y8 ]- L! P; J图1: 未进行优化处理 - 原版效果图 ↑↑↑
) P% ]* _+ L$ T
很明显默认高频词 的 在这里没有意义，所以需要过滤去除，类似的还有像“就”、“与”、“了”、“在”等等；

1. stop_words = ['的','就','与','了','在']

复制代码

同时通过for循环过滤词汇；把如下原默认代码
0 V* T  d, D/ X% U

1. w.generate(" ".join(jieba.lcut(text)))

复制代码

替换成

1. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))

复制代码

以上操作就是过滤关键词；
反之还有一类词，计算器暂没收录，需要我们个性化收录，比如“仑中”，“蓝桥杯”，“第三方库” 等等
  l5 f8 y9 A. b; u. h# i4 Z

1. jieba.add_word("仑中")
   8 V- n+ Z& N8 q' M: u, L0 D
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

图2: 已进行优化处理 - 效果图 ↑↑↑
0 X: {) X8 D/ n1 s6 U, C" E; a
3 s% V9 f( `' O4 q3 ]4 a1 y

通过上述优化处理后我们不难发现数据标签云更加精准、概要，明了。
这在数据分析统计学上我们称作过滤无效偏离量，使样本数据更准确！

2 N- w0 C9 M& ]: y7 u4 F
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

0 e  S+ x( Z, }' y核心代码片段如下 ↓↓↓

1. import jieba
   $ d* f. J+ {1 M+ V% j# v# G
2. import wordcloud
   + }# C9 X0 T5 C' ^( [# ?0 a- t
3. 
   
4. # 引入数据文本文件
   1 N! Q7 m4 ]5 q  F- c$ e4 p
5. text = open('text.txt','r',encoding='UTF-8').read()
   5 H! D7 E. l, z
6. 
   
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   9 P6 E+ N- ~: v$ A: K% J
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   
9. #w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,mode='RGBA',background_color=None) # 白色背景模板
   
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    
12. w.to_file("新大榭python学习社区_未优化.png") # 输出未优化词云标签
    - H; Y& z: i6 p1 G
13. 
    
14. # 新增关键字词汇
    4 V0 E, Q3 q) j7 m$ U. ]
15. jieba.add_word("蓝桥杯")
    ' n* B, m9 b; g! ]* j; _2 L4 Z' [
16. jieba.add_word('仑中')
    2 k+ i1 a4 f/ W8 W
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    7 q$ c3 O6 b% v+ U4 `4 s
20. 
    ; z( A4 G, ?. z
21. # 过滤干扰词汇
    2 E5 S9 a4 N: M0 W
22. stop_words = ['以上','来','指由','作为','组','是','级','对学','大','只要','这里','等','你','的','如','有','就','则','均','了','本','但','和','而','被','与','在','或','以','注','如未','仅限','并用','限','将','于','不','物','及','专为','已','端','高']
    
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    0 W5 M& q: o! x
24. 
    # w) \. s# C: z" F  X3 w( N/ g
25. # 输出图文
    
26. w.to_file("新大榭python学习社区_已优化.png") # 同时输出已优化词云标签

复制代码

---

注：当前课程已收录新大榭网校Python系列自编原创课程（*）