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

admin

' h( ^) N9 v8 k  N  V       hello！大家好，今天张老师来讲解词云的具体应用实例，
' A2 @6 E5 D& a9 z  j       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。
1 S+ p! }" a9 {8 n

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

  ---

• 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）


图1: 未进行优化处理 - 原版效果图 ↑↑↑

, k1 ?. \1 U# u- ?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
: @) {6 Z7 _/ y1 a# T" W/ X

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")
   ; `3 ?9 @: x1 o
2. jieba.add_word("蓝桥杯")
   / h9 b& ?) `) b! e! a# c& t4 u
3. jieba.add_word("第三方库")

复制代码

" a) B7 C5 |- k1 o* D: y图2: 已进行优化处理 - 效果图 ↑↑↑

3 I! F- `9 n9 n) c5 }8 S% W7 \

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！

& j( C: ^9 O' T" ~" D6 r
; R1 L% ]  g0 Y, S5 K图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
, R) k* c2 W3 ~
. N$ Y( T0 m: q) R; Q核心代码片段如下 ↓↓↓
+ e1 d* z4 `" ]5 ]) v

1. import jieba
   & d/ ^  J, k  y, C. i" e! `
2. import wordcloud
   
3. 
   
4. # 引入数据文本文件
   ' ^0 n2 M2 @3 ?% Y& n  H* I
5. text = open('text.txt','r',encoding='UTF-8').read()
   / P9 Q8 _+ s' o1 ^; J
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)))
    
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
    
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    / G( B1 G" D4 A/ b4 C+ Z  j
17. jieba.add_word('新高考')
    # v: R3 r% b- x9 ?
18. jieba.add_word('零基础')
    $ z, f/ G8 h$ a6 v1 V; q: V
19. jieba.add_word('第三方库')
    6 |' N) m$ X8 l! _
20. 
    2 Q6 f  q" Q% B2 j3 p/ h
21. # 过滤干扰词汇
      i% i# t- D9 b1 k, o
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 D, X2 v" j% I) h& H" v8 C
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    / v- q5 V+ T- E8 e4 y
24. 
    
25. # 输出图文
    5 T4 P2 B  ?4 L2 ~
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（*）