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

admin

& }$ ?. s. E! t! n4 ^6 }7 ?       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。
       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 ，
8 @" g: U- O0 o3 R       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）
  9 r( n# j# u+ F/ o0 l8 w+ `8 I

# y2 v! V6 S$ ]) A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，
. ]) p4 Y5 ]! x( c! N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）
5 c  ?" w) _2 l) c! y  ?$ v

图1: 未进行优化处理 - 原版效果图 ↑↑↑
1 H/ O- d& J5 t# Q" q! m, X$ @9 V
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

$ Y6 e7 @% q4 u* `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")
   3 c1 [6 Y+ R7 U
3. jieba.add_word("第三方库")

复制代码

/ ^" `! F/ H# V  q2 N7 w
  h* [2 R6 }7 p, Q* Z3 x& x图2: 已进行优化处理 - 效果图 ↑↑↑
& d6 T4 k0 U6 P

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。
7 [9 l9 ^4 p8 G' e; W& x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！

/ ^) I, P/ v9 B4 U& z
$ Q+ t% S! K7 |; r图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
% `4 ~' q4 _6 E+ t* l7 r
2 p5 F( n( J' @4 N) A3 }4 C核心代码片段如下 ↓↓↓
! w1 X* b( r3 h* c7 z

1. import jieba
   9 p' C4 m6 j( e+ |( P# g7 t5 b4 B2 U% X
2. import wordcloud
   ( B4 e0 F. I3 R7 m% z8 ?6 K
3. 
   * {6 t  E$ \) K
4. # 引入数据文本文件
   # \- Y5 J7 q5 o
5. text = open('text.txt','r',encoding='UTF-8').read()
   - }( H  }9 @$ `: w: B8 O
6. 
   ) r: I- A# g. O1 _# P7 W: Y
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. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    6 l$ \( p# I7 \; H7 |2 o0 f
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
    : ^! u: R$ v" W# D# h9 p
13. 
    8 u! T2 A7 _, d* m
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    ; R& ^( y! A+ F! m4 y  t8 y
16. jieba.add_word('仑中')
      r% O9 N0 {; S0 `0 t+ i4 F
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    2 [7 `1 M. q& H2 `
19. jieba.add_word('第三方库')
    & Y8 v$ b& L+ P, Z6 i/ w
20. 
    * b+ U: X' r- J( w- @4 v3 d$ ]
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))
    
24. 
    4 ~' E4 W7 K6 C! ^  x$ G
25. # 输出图文
    5 X* v/ a+ C; Q/ q& q
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（*）