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，
: ^2 U; }4 O( |4 l       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。
8 }! |% B0 z5 e; X* y% Z       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。
+ x* n( a  d4 H- ^5 p

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

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  0 X5 e2 ?9 {/ I9 C' Q' O. @& O

& }* N  x# o- x) i. N; ]  i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）
  H# |" Q& @3 ~& ]  {% F
( ^0 R/ T2 b; F+ s8 L
4 ~2 o: ^0 O( _2 S图1: 未进行优化处理 - 原版效果图 ↑↑↑

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
' p. Z1 k% Q  A( k  J& S9 m

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

0 ^" x$ K. t3 \: j& J0 S& B# x以上操作就是过滤关键词；
! P5 }) Y6 [4 H) Z$ P6 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
3 \* h0 q7 [" B8 n1 s2 U

1. jieba.add_word("仑中")
   
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

/ q6 w+ z5 t3 d( {5 M$ P7 g' R4 e
: W, |' M# m' m, k, G7 U图2: 已进行优化处理 - 效果图 ↑↑↑

0 K1 ]0 m8 n9 u/ ^; U% }0 p6 m. c9 c% j

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！

图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
" w3 c# b* ^6 n8 _5 r
5 F' m, r4 A. P) g1 o1 a. M7 Z" r核心代码片段如下 ↓↓↓
' G  [, U  v& G6 m

1. import jieba
   0 v0 \8 i3 W* G, v$ \( \
2. import wordcloud
   
3. 
   
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   " L) g2 f+ j0 |: o2 Y% K% n
6. 
   
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   & c% U. k! j  u
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
   2 p9 A* V  D, X$ f
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    1 J( y$ ?* d4 s( u2 T( z6 r/ R3 o
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')
    7 F9 a8 ?* M% m3 [
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    , G) {' ?' ~& S
20. 
    , K& K( ]) u' ~1 u' Q+ i$ h6 Y
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']
    
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    * k' \+ e4 h6 o5 R5 A
24. 
    
25. # 输出图文
    
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（*）