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

admin

8 n- t) @) ~% V1 E* d6 f5 R       hello！大家好，今天张老师来讲解词云的具体应用实例，
1 k8 t. U7 Q' Y8 s( g       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。
5 b8 D; u9 B) ]) h. u8 {; w       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 ，
, W( g! }7 S, g% ]( O2 ?       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）
  0 m9 @% d# {* s

  ---

• 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，
4 W6 D( f% K4 n* \6 G5 Z5 X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）
/ d% p; `3 T+ G2 i3 ~: |7 n

# B8 W7 l0 n$ w( c5 x/ H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
( V" h% n  q6 O9 e" d* C

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
) e9 \8 Y; K, @5 ]

1. jieba.add_word("仑中")
   6 O% B! C) @3 T. j
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

/ t" i4 W- d$ ]+ e2 m; L; v
- \$ q/ w" H5 T$ m图2: 已进行优化处理 - 效果图 ↑↑↑

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！

! ?: _3 t9 S" x  ?$ Q+ s& G" Y
9 S( c- u/ l$ d: D( a+ m8 K! w* {图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
1 X* S5 @5 `) h2 ^0 M# R; e4 I, b1 c
; a: g$ W+ x  `, l  [3 a核心代码片段如下 ↓↓↓

1. import jieba
   2 Z9 l2 y3 q+ K  z
2. import wordcloud
   
3. 
   5 J2 N  R. R4 A, G" ~  R$ h
4. # 引入数据文本文件
   ; Q5 H1 U- k! Y
5. text = open('text.txt','r',encoding='UTF-8').read()
   % v1 u0 {; w9 Q. V( }6 b( [
6. 
   
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   1 p3 n) v3 \  x, _7 w7 L
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
   5 o: {8 X5 x8 x6 U
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    ) @' [  s$ V; m& U& H& \5 ]
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
    " G: |, M8 ?, U4 Q& y) ?8 a
13. 
    ; |% v/ e+ y: M- _( V% y$ p
14. # 新增关键字词汇
    ( w& \1 L: t# U2 H: C3 F+ q! b1 Z
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
      f8 d2 M/ E8 L$ n
17. jieba.add_word('新高考')
    : J3 g6 p1 K9 \5 @
18. jieba.add_word('零基础')
    ( h5 d( C! q; e- z9 g
19. jieba.add_word('第三方库')
    
20. 
    
21. # 过滤干扰词汇
    + t4 O  X) W- x' a2 H
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']
    # E8 }$ K1 x3 ]  o! [* @( D
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    & S( o  ~1 e! l: @
24. 
    
25. # 输出图文
      S1 |& I' w" |- b% ~
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（*）