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 @6 o6 W; f4 s1 h       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。
( M5 l5 Q  ?& @* l       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。
: C: ?. F! M* A( Q+ f" v

• jieba 库 ------------【学习直通车】（高中必修）
  

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  

! y. C- [7 z: {' |- f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）
9 c1 f/ U1 w3 ^+ U$ W. J

4 P8 O' Z  X+ W图1: 未进行优化处理 - 原版效果图 ↑↑↑
' e/ B; N* W% ~, K" t& q% c
* ]4 \" R) j8 Z2 U  q; F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
; G/ v* q! \  q8 f. O$ k

1. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))

复制代码

" J) P4 I; j9 P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
2 B. W: R4 v% U: `3 h2 E; f

1. jieba.add_word("仑中")
   ! w; L! o. ]1 w$ s& `3 A4 N
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

" b+ z- c  ^% X( n6 |; y" A" {
图2: 已进行优化处理 - 效果图 ↑↑↑

6 H* R$ D+ X% Y" a5 V  D/ s4 @

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。
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！

+ t5 c/ L$ S6 R* [
! \- b3 W$ _. E- y; J4 N( V图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
5 x3 Q' o0 W+ a  @
核心代码片段如下 ↓↓↓
+ ~' ]" ?: o9 x# ~

1. import jieba
   - j  c$ m3 V9 f; k  _
2. import wordcloud
   ( O( P2 m5 C+ r( ~7 v3 }- t
3. 
   0 m/ s" w3 @& K+ j/ V1 \6 z/ V1 ]
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   ' b. V- S' J+ e% V+ G2 n$ [( a
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   " |1 s0 N9 @& _  ?
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   # Q) `. t) w% U! D: Q6 ^
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 V. S3 `# p* g2 ?; 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
    
13. 
    
14. # 新增关键字词汇
    % n" i2 U; c" y4 X* x! P
15. jieba.add_word("蓝桥杯")
    . P1 ?& @8 q  t- _! ]% M
16. jieba.add_word('仑中')
    . k. V0 t6 ^( v# @$ m8 I; L
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    8 T6 F! M* I* l" Z  o) t' @" n
19. jieba.add_word('第三方库')
    
20. 
    " l7 e, n$ w2 }! P  Z/ U" u& y! w: u$ S
21. # 过滤干扰词汇
    9 X. W6 U* c3 |% r4 s: }
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']
    4 F7 y% k) ?+ |8 F
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    - O! t  ^0 `% V% ~1 f) m2 F& l4 D
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（*）