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 C4 l) d- g/ i7 c, {, [. v/ c       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。
0 M. H; ~2 D! {% \- F       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）
    l# a7 }6 n7 Q" n* `. \' R

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  ' |  d9 V1 y. U+ w0 ]  ~/ o* A' S

/ N6 ]9 @8 w/ z% {5 T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，
8 r3 I8 `" D) A6 \/ m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）
( U. i4 x0 Y9 L8 _' |% e9 v

图1: 未进行优化处理 - 原版效果图 ↑↑↑
0 Z# T! X- E# |
$ @: g8 D6 ?6 s- O2 d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
. ^3 H6 a( y" u  k3 V2 v3 f) e' m

1. w.generate(" ".join(jieba.lcut(text)))

复制代码

替换成
9 Y# G7 {3 S+ M' @$ c9 U9 w

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

复制代码

以上操作就是过滤关键词；
% ^, o- A* N' ^! @; }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")
   # P. g" }8 M5 y# K
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

" f$ D6 a# c1 Z5 W8 [9 y
8 x  U; t! \! s7 r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。
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 l5 u- u; l& b/ u图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
, f! d' @( h4 T; U
5 E5 V& A& N: \# T7 D9 f核心代码片段如下 ↓↓↓
: Q1 F/ G5 A2 p( H* ~2 V* u+ C' |8 I

1. import jieba
   
2. import wordcloud
   & N. n/ [4 N6 J% @" f) C& F" }8 i* Q
3. 
   : C2 T  R" Z( i( u% C1 k
4. # 引入数据文本文件
   1 C/ h% w: ~# ^
5. text = open('text.txt','r',encoding='UTF-8').read()
   4 E  p; A% n# C, L4 ?
6. 
     @% C8 u6 ^- L
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")
   % q2 y  K* f; e
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
   0 C3 Z- o$ Y* N. T9 N1 l
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    
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
    % J- I/ r4 n% d2 K1 i9 _
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    : P9 p% A/ C. [2 t" d9 M5 k
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    8 ?7 l% Y! g  j. s1 O3 ]6 E
19. jieba.add_word('第三方库')
    ' v: I, q. C% C5 T* ^' m' J
20. 
    9 R0 ]; m; o% F/ N# U
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']
    % f  u1 G. o3 n% }( r/ @, z6 v
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    9 C8 l/ B2 c& S( C
24. 
    " e" y6 i" v/ h
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（*）