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。
; k" P! e) h/ O+ ~% e  p       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 ，
6 C6 H2 o3 A; F3 K# l4 `       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）
  4 q1 X1 G9 x5 O( A4 V& {

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  & J! b* |& T9 d! _

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 G) l9 P6 D+ J, N. a) e
图1: 未进行优化处理 - 原版效果图 ↑↑↑

; ~3 p) j& v# |' o; E8 t" N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
7 b  g. ]: b/ `

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

复制代码

4 G5 Z& `8 Z* E" k以上操作就是过滤关键词；
& r; w! Z) _! U9 G, o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")
   . b9 J3 Y$ ^; V3 g0 A" L# R
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

: e" P! ^  ^6 `  O! w% J图2: 已进行优化处理 - 效果图 ↑↑↑
; O! |* ]! L& a) ]9 z& A5 I0 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。
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！

: a! x: Z0 @' H! B( X
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
5 ?( Z7 T* I0 C# l
$ R, J3 W2 `& F6 N) G0 u) J核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   $ F0 W- L) a  r# \  F. ]
3. 
   
4. # 引入数据文本文件
   # A3 ]' F% p( `# o, m
5. text = open('text.txt','r',encoding='UTF-8').read()
   ' O0 U+ w* d9 q- b) {
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
   
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    5 {2 t4 Z" x0 [, _
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
    " Z. x' R7 f4 K0 q( u
13. 
    " d" Z1 w3 d" T2 P" ^
14. # 新增关键字词汇
    6 |; d# K+ X! K1 Y3 L5 H* j& P
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    - Z3 w6 P  R& G# L! ?
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
    
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']
    " s2 `' x( L( J0 Z; t; w! E% M
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    ) o3 i! C( h# N
24. 
    
25. # 输出图文
    4 n: s8 k: \8 @2 @# I' t0 L
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（*）