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

admin

       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 ，
       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。
. X! s2 [0 z7 P9 R" e6 O

• jieba 库 ------------【学习直通车】（高中必修）
    w% n$ C# \* ^" Y1 }

  ---

• 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）
4 X. L0 n; I. Q( @5 y

图1: 未进行优化处理 - 原版效果图 ↑↑↑
2 F1 Y0 O1 F/ b5 F) y2 O
8 b  H( c- I; N' X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
2 u' S9 k0 ^+ |# S" @

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

# N7 c+ K, e( {  m  a以上操作就是过滤关键词；
: H6 d. H# R- M% L2 o1 w6 W5 N3 |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 X) O* n( u! w4 G4 k8 I

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

5 Q# O$ N* ^3 i: P! Y
$ \; {; j+ j$ y" o; \) b2 U图2: 已进行优化处理 - 效果图 ↑↑↑
9 c( c: I* k& O0 E1 j4 l/ }8 b

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 B# P& O8 q# v$ J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！

5 P9 A: Y1 `( ]
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
, M% e$ t5 v+ u0 g# D
+ `3 S. W( K- Y% T3 {核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   
3. 
   $ }2 L( O/ N3 B3 N3 j
4. # 引入数据文本文件
   3 V( T9 H3 V" F# R: u$ y. h: I
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   
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
   3 s* r1 @* J4 [
10. 
    ; `# H; l. K- p+ `/ u/ p
11. w.generate(" ".join(jieba.lcut(text)))
    6 A1 C5 N/ c! P/ y5 H$ W+ u5 g/ E
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
    
13. 
    5 |, f/ @& Q# }  Z" t
14. # 新增关键字词汇
    . O% z- E" ^& v  @9 b2 }, [% U
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    8 K3 c6 P! U$ R$ T( y
17. jieba.add_word('新高考')
    / s" G$ b/ y; G# a  z0 l( P$ O- Y
18. jieba.add_word('零基础')
    5 y, _, j2 E  z2 Q/ J$ U
19. jieba.add_word('第三方库')
    ( Z6 S+ H: _6 P1 V- S" y1 c
20. 
    
21. # 过滤干扰词汇
    " f, {, e; R( k" 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']
    & ^/ s( h0 D6 k5 e! H
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    + R  c; M" L# P2 Z9 T  T
24. 
    $ [6 F- b) z& z8 V# L( U+ @
25. # 输出图文
    - o& R- }: T  x) H0 m# z! ]( _
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（*）