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

admin

+ Z$ Z- k( u6 b- ~       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。
1 R4 S9 S9 M9 l       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 ，
$ d" m7 W- D0 E       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。

• jieba 库 ------------【学习直通车】（高中必修）
  1 @- A* a) O( l; X# s2 p. A1 ?

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  

; ?5 @: h( w! d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，
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）
. C, l; N( d  q; }: ?  G' _+ z. C
6 Q4 a0 {) Y1 j
' `8 e$ ~7 n* b. f$ x& \! ^1 {图1: 未进行优化处理 - 原版效果图 ↑↑↑

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

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

复制代码

替换成
) b6 S- v4 z% K/ b9 ^2 ~- [- i

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；
, k* I, `! e* {) a6 d& B1 k, V) i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
5 ~: G8 R: N. Q- ~4 E" K

1. jieba.add_word("仑中")
   : _7 V1 ?* ^5 q* ?
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 ↑↑↑

+ P; t$ ^! ], v* q% 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。
, C: B$ F& `1 n/ M+ y  Y$ T* C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！

3 g5 o  ~" h* S2 Y' t* c图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   # x8 F8 A4 U: \4 r1 ?
3. 
   # [4 w: m( k+ _. N- Q( y! j
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   . N: }* @# B; s" K& l( [
6. 
   
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   . S9 W& X5 |% o, j% U9 ?
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. 
    7 C! y0 A' L+ A" T
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
    . d1 @* O" v% X6 I* W
13. 
    ' u9 p$ ?! Z) y- p, N8 ?. z
14. # 新增关键字词汇
    + l& g5 F; w+ L  h# D
15. jieba.add_word("蓝桥杯")
    - i& c9 o) Y) M% B% L
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    # R9 G4 ?) v1 v
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
    9 L5 B! _4 \- }) K: F3 D2 W3 ?( R
21. # 过滤干扰词汇
    
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))
    8 S* E% }9 \( N8 S, `) p
24. 
    ) \! C- n" W& C. e
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（*）