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

admin

, q) v. H7 Q! p& T1 q; q/ t       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。
; X: h  r! _( t/ s" Q9 w       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 ，
" n3 O* ]2 r5 z' X' l% \8 C" u9 b       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）
  

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  

4 X. d8 b% S. ?+ O3 q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，
2 {# g' i* I) \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）
* N! |! W" g7 b, b$ W: O4 x
6 ?. V9 V2 T$ }! q/ d
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

1. w.generate(" ".join(jieba.lcut(text)))

复制代码

替换成
& }0 I0 u7 Q) ?4 D! C6 D0 \2 q

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

复制代码

; F; Z. y6 E( B7 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
5 B* r8 I; k! M8 B$ m  {, M

1. jieba.add_word("仑中")
   % f8 Y- ?* M+ w6 K( H
2. jieba.add_word("蓝桥杯")
   * F! U. Y$ n. f1 u4 ~% p: i
3. jieba.add_word("第三方库")

复制代码

图2: 已进行优化处理 - 效果图 ↑↑↑

5 `$ M4 R+ ]% O" `. ~

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） ↑↑↑
( B1 f, _3 F) w. C; }
! }6 U6 e- E# e核心代码片段如下 ↓↓↓
1 z4 C9 W$ L5 n% J

1. import jieba
   ) b! i6 Z/ w( E% W4 o1 t# d
2. import wordcloud
   $ G9 }7 i  ^0 E. q! n
3. 
   8 v/ ^  F; p; a- V2 o: @
4. # 引入数据文本文件
   
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)
   ( m, \3 _$ Z7 S# ^3 s
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
    * H" c# t3 r* F8 }4 Y; g1 w1 V% W
13. 
    & Y/ ^# M; H$ ~5 z7 K; D" B  S
14. # 新增关键字词汇
    2 n0 q! g4 ~" X. M" L
15. jieba.add_word("蓝桥杯")
    / T) |4 H" x- Y9 Z% L5 y
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    6 D, W- I" g) H! K- G
19. jieba.add_word('第三方库')
    ) z8 l% }/ o- z9 T
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']
    + t' ?, l0 r& q. k. A. W0 t+ @+ w
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    ; e% u6 D4 B2 V5 z" p8 O
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（*）