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，
8 {1 K6 h4 q) h' P0 ]9 v       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。
& p; c3 }* i# p6 t1 O

• jieba 库 ------------【学习直通车】（高中必修）
  % m8 w$ ]2 e7 M& y8 w' D& W

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  : G' M6 A- `$ p% {3 @7 `

) Q6 R2 t3 |4 E/ M- ^, 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，
1 z, p' L- P6 H7 k' }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）
4 O& P; k1 O2 P. J: Q0 C
6 ~( s. v8 Y8 P( c$ L. Q6 d
, t* R, W: t" N* C0 k图1: 未进行优化处理 - 原版效果图 ↑↑↑
6 A- E1 g- D+ v3 O0 G
" ?+ V3 b& R3 {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
% n/ L% m2 x2 A6 P6 y

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

复制代码

' Q: @% w) s; h4 c& L2 f" D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")
   
2. jieba.add_word("蓝桥杯")
   + S/ s& h" Z6 r- ~; h5 U6 r" D
3. jieba.add_word("第三方库")

复制代码

3 O: |+ t, k. ?$ y+ ^' o
. v  T  _0 S% i. q  ~9 j0 _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。
4 j  d3 E9 o! t% c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！

/ f  e7 D5 f- ~  V' C/ s
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
( U, X0 h: O2 l& ^. ]" _; J/ v2 }
核心代码片段如下 ↓↓↓
9 P3 f6 {- T) [9 d7 m, k

1. import jieba
   ; t$ J. L& q! L) m1 L+ o+ h6 O
2. import wordcloud
   * `* ?8 O: `" _) g% y! q) ]& A/ |1 L0 N
3. 
   ( b6 o2 l+ C! P1 X% `/ t0 Q
4. # 引入数据文本文件
   8 r0 F% w  Y3 ?' @- l
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")
   
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
   6 V+ \; K( ^; C6 U( R
10. 
    - {! M+ z, B8 v+ l5 g
11. w.generate(" ".join(jieba.lcut(text)))
    # ^$ T) `; g; {. W% @; A# L4 }
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
    8 w+ _' x* R( G5 Q- v
13. 
    
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
    
21. # 过滤干扰词汇
      |* l: d/ ]+ n1 n! Q
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 _4 b: l9 ~: k
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    6 u5 A2 b" ]5 z9 h' L4 b) X' J
24. 
    
25. # 输出图文
    * C2 Z1 P% l" f# s& N  {. R* a( q
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（*）