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

admin

$ m+ u6 W/ {4 f8 G# }0 x2 u4 g! Q       hello！大家好，今天张老师来讲解词云的具体应用实例，
% J% p, W! Y+ ~4 {- T: A       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。
0 ]; D! n2 i1 M! m8 ^1 k3 z' w2 f       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 ，
" [# m5 K5 }* g1 g$ p       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。
9 v$ y+ ^( \3 n3 ]

• jieba 库 ------------【学习直通车】（高中必修）
  ) E4 f- Y5 R( ]. m- p

  ---

• 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，
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）

; b/ }6 m; p& g7 ?$ [4 ?, O  P
图1: 未进行优化处理 - 原版效果图 ↑↑↑
9 l4 f+ c/ Q; b, l5 v0 |  V
. h4 ^5 l- {% o- q. @* l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
, X- I! W$ E2 M

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

复制代码

替换成
$ C1 L5 s1 p9 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；
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

1. jieba.add_word("仑中")
   
2. jieba.add_word("蓝桥杯")
   7 {* N7 B0 f  Y
3. jieba.add_word("第三方库")

复制代码

6 q1 A. }; _* N; f2 {
图2: 已进行优化处理 - 效果图 ↑↑↑
0 s+ P- F. v8 E

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。
, s" ~% o9 z4 V  A+ u: j0 A2 ^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！

! t" s) V2 F7 _/ `7 b, N
" e  \  z$ j6 z( C2 ]( w图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
" I) k) z; @) F, c' X0 G8 ^* B
核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   
3. 
   
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   / w& o3 A" t. V: r) |5 G. [( P
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")
   
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. 
    # c- s% t3 f- u( `% ~
11. w.generate(" ".join(jieba.lcut(text)))
    & U: X7 k3 v4 O: c  P
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
    8 Y# g/ c- h& T' C9 e
13. 
    # x, G7 i9 U+ n) s& _7 u6 O% n' K
14. # 新增关键字词汇
    ' X- @- ?7 Q2 C: U2 |  D+ M% R
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    ! f1 L# i/ W0 Z
20. 
    
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))
    . p. R3 V  {6 s$ W1 g
24. 
    
25. # 输出图文
    2 S( t& e- G+ j) i' J( p
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（*）