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

admin

$ R& \$ r$ C0 ~1 B( y* O! T       hello！大家好，今天张老师来讲解词云的具体应用实例，
% b. ^3 I8 `# ?& Q8 [) w       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。
) h$ A+ S5 ^" S; P7 T! U' 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 ，
1 R& ~7 ]# F, Z) m1 [! k2 Q% Y       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。
2 l- Z7 V% f& F2 N" k, l- h

• jieba 库 ------------【学习直通车】（高中必修）
  & L% L. [: R, L. I

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  . r% A3 u/ G  m: ?2 `

% [. I3 Q# {3 i( L: y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，
7 U* f4 v1 y( w9 e6 [0 U) f  N* ]& \6 `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 }* P) ~. w9 n1 M, k) {8 ^( M8 L
: {2 Z0 V: x. p0 K; o
图1: 未进行优化处理 - 原版效果图 ↑↑↑
& ^+ H, C, a* _/ t, i
8 Y6 N# K" [! g/ T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
- G2 T, F0 r! \7 H/ t

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

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")
   % a0 d% n0 ~2 ]; U- s; ^' \, S7 v
2. jieba.add_word("蓝桥杯")
   3 D3 k' Z0 c4 n* p. X- M0 J& j
3. jieba.add_word("第三方库")

复制代码

- O0 V4 P! y  O( Y) H( P% A5 J图2: 已进行优化处理 - 效果图 ↑↑↑
2 n* e3 o7 C5 }# z' [" e. t, }3 U
2 C0 ]& p, q9 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。
7 z# G/ X7 w" i* Y/ A! ~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！

  Y! i9 x& i& b6 E8 y& d
; \2 R" S% C) W$ b4 f( v7 `图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

+ w- P) C. M% F( ?/ e2 p/ K核心代码片段如下 ↓↓↓
. a" X0 ^: d& j1 f% k; q

1. import jieba
   * @& k5 i1 \: }  [& z! b. w  G) Y
2. import wordcloud
   
3. 
   5 r* ], w9 F& K) `* q: S" R0 E
4. # 引入数据文本文件
   
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")
     |# ~( b6 u. R: ]8 r4 i# n1 g
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)))
    4 e: e( z& {) d8 j8 b( E. z
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. 
    3 ?2 o- s# D# V3 e
14. # 新增关键字词汇
    9 _4 ?- }9 H! `" q2 x/ ?; G
15. jieba.add_word("蓝桥杯")
    ) s: U+ B  z$ ^
16. jieba.add_word('仑中')
      l. J4 c, a" [4 p! G
17. jieba.add_word('新高考')
    5 e) w+ X% ~/ y- Z- h( T
18. jieba.add_word('零基础')
    ! C7 ]2 {( X8 w' Y' l
19. jieba.add_word('第三方库')
    ( V+ t. V1 N8 }3 L
20. 
    7 y0 Y' @, U: \1 S% T2 y5 b
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']
    3 E& H- ^$ C8 O5 l2 e& Y
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    , R  D2 V# a, b
24. 
    7 q. }: [) ?& l& v
25. # 输出图文
      ?# K# Z, o( d( j3 a
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（*）