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

admin

5 ^" `+ i1 o5 d, P       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。
# T3 W* S% e7 U* `, e1 ?       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 ，
       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）
  

  ---

• 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，
( r8 K2 T  \; |. L$ ~5 k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）
; y! p/ @) d0 F( n2 e

图1: 未进行优化处理 - 原版效果图 ↑↑↑
+ U: H5 [0 T, @; A$ o  L6 w
0 W7 b( v. _: W2 b1 u5 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

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

* c5 U6 s) `1 S& H以上操作就是过滤关键词；
0 T& i: [: P6 e0 ?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 q& X6 O) C+ X( D4 A+ n2 h4 @

1. jieba.add_word("仑中")
   6 `  W/ i- h5 }  P, ?
2. jieba.add_word("蓝桥杯")
   4 @1 p* A% f1 L& l6 k
3. jieba.add_word("第三方库")

复制代码

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。
; D% Z6 N$ H( F9 H. o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！

8 k$ c" d  |' x" U9 ]0 U
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
5 ^+ k1 y1 v6 b( s1 ~+ u+ S
核心代码片段如下 ↓↓↓

1. import jieba
   . j+ v$ @# j4 V8 s! \/ `
2. import wordcloud
   
3. 
   
4. # 引入数据文本文件
   & L7 I0 g1 h- n: y0 l4 Z! J3 D% N8 x
5. text = open('text.txt','r',encoding='UTF-8').read()
   2 X2 N  i5 `" \+ |
6. 
   7 O( w) t) s  [& F- b+ U
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   3 {0 t  `$ h0 E; J) y& L5 e: s0 ?
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. 
    & z9 e: L3 R) S( s
11. w.generate(" ".join(jieba.lcut(text)))
    0 L: s6 ~9 h, v) r9 j7 a
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
    6 Z! f$ [# n" K$ x3 a+ p
13. 
    
14. # 新增关键字词汇
    3 r- C/ H  f) d2 j
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    ( M  B8 R5 s% E+ q( k; q8 y+ d
17. jieba.add_word('新高考')
    9 r% i7 b# }3 a+ r6 a4 G, W
18. jieba.add_word('零基础')
    1 [; \$ S) Z. c( q
19. jieba.add_word('第三方库')
    
20. 
    ' r# N0 a- u) T1 k1 t
21. # 过滤干扰词汇
    * _7 A( }! T5 M8 ]( b) B2 I8 h, h  a
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))
    
24. 
    
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（*）