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

admin

2 j0 M1 G5 u6 z- Y( Q+ b       hello！大家好，今天张老师来讲解词云的具体应用实例，
) Z% A- t: y6 d5 R+ ?. B( v5 L4 z       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。
% f- {0 U" d2 L. O4 ?2 v       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 ，
# I  U9 D1 z/ E3 k; O6 B/ F* t       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）
  - I! W5 a1 u7 y; e# z+ t$ O5 @1 C" n

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  9 u) N6 _. i$ O; e% Y1 v4 i

( {. ^* O5 ]+ M& _! R' z6 [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）


( N# z! ?' x. |6 F- l) g9 [7 S图1: 未进行优化处理 - 原版效果图 ↑↑↑
& f. e7 d2 T% @& ?
3 z5 q4 ~! J/ h& _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
. X3 [) W! W3 e+ N

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

! v* Q& X1 p7 Q& N6 L! h以上操作就是过滤关键词；
/ ]: d3 J) w. B9 X$ }" v# v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")
   
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。
! }5 N5 q- r' I" o9 T' ]) C7 q9 \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！

* z1 K! s& Q5 P4 a
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
   ) Q$ ?0 S- X; s( E3 s* B1 [9 a" O/ B/ k
3. 
   ! o, M+ R- [! m
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   . `5 H1 L& X; o6 x4 n$ ]7 Z
6. 
   
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   + i% ^/ ?9 ?7 E4 o9 \& P* l/ K% S7 _
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   7 r% b1 V3 v1 Y2 f
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)))
    & u6 B3 U: {; Y! ?% ^
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
    5 a$ p2 M+ Z. e+ Q7 \
13. 
    
14. # 新增关键字词汇
    
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')
    * I6 U9 R: y3 |* [! d0 M, Q
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']
    2 _& D! ~) u7 D+ d$ b3 s; z
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    
25. # 输出图文
    4 G" n: f0 r1 S# _; V0 V& ?
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（*）