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。
       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) {! V2 j# }( Y4 O

  ---

• 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，
8 ^$ C% ~+ y$ w4 p& r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 ↑↑↑
5 w6 A& H* c; `3 J
+ m; m! L9 z: r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
+ o) t8 F. ^% G% H

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；
8 `( N0 d% b; e0 h+ [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")
   $ R% r: C$ e% l
3. jieba.add_word("第三方库")

复制代码

, b9 U# a, \. \
/ `; p" A; L* ]" p0 T7 k; [; N$ _2 J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 a0 D9 I& n9 Z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！

0 @! I* X  \$ d" k* F# x
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   - `3 ]  g( x* }7 e' N' `
3. 
   
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   & B9 M+ w9 c/ W6 \
6. 
   
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   9 V8 n. \4 w  @' j
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   ' t& @. R7 Z, w, c6 G/ r
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
   3 X1 r- K& @( v9 R$ b( B
10. 
    + {; u8 E4 ^7 _- U9 J1 [
11. w.generate(" ".join(jieba.lcut(text)))
    ! B- o# ]9 c1 P# z3 Q! d
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
      A' i+ _: Y+ ^0 @
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    : f5 k- \0 q# a- c1 [0 t- G
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
    + ^$ \! |# c/ H- M( ], h
21. # 过滤干扰词汇
    ; R% i+ I2 ]7 P6 d6 R) Y# v9 ~! w7 C
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']
    
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    4 S3 y$ I2 v! R; P( }* X- _
24. 
    
25. # 输出图文
    # m$ v% o* b9 ^0 x
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（*）