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

admin

- V. [+ _: |$ m% G, P       hello！大家好，今天张老师来讲解词云的具体应用实例，
9 |3 t  O/ B' a7 W       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 ，
' |1 l$ \$ }" ^       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）
  - O- `( \% A0 F% t4 r( B

& Y" f7 E1 {3 Y; 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）
+ [: {( L5 l  ~% I) M) Z
) J, O/ t' X, A' o: a4 q% X8 a
图1: 未进行优化处理 - 原版效果图 ↑↑↑
/ f/ V% J& g7 i" W4 ?) y4 q
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
9 P( ]3 {$ X/ Y- e& L7 @; ~5 \

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

复制代码

替换成
( |$ F' m" D% G( D$ q5 L% [

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

复制代码

* g3 p) N- f. l5 P; z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
0 K8 m* @+ L. P. t9 ?! w  b& V+ l' U- S

1. jieba.add_word("仑中")
   . v: G1 i, ]: a  D: M, V4 L  L
2. jieba.add_word("蓝桥杯")
   % p. `, N9 l" V! F. e5 a
3. jieba.add_word("第三方库")

复制代码

0 k4 `6 ]9 n  p' }  X" ~' _图2: 已进行优化处理 - 效果图 ↑↑↑
8 o( Q/ P/ C' d6 I  b

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。
) N  T9 U, T! A) L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！

6 X. r0 L3 e( ?图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

核心代码片段如下 ↓↓↓
: N3 V& H6 n! e1 o% Q* p

1. import jieba
   " A8 d: j( u2 l
2. import wordcloud
   9 I" ^2 u7 J5 x9 Q9 q: A5 c8 H( V
3. 
   
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)
   
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. 
    9 }. d7 o' |/ ?: p- Q8 a
11. w.generate(" ".join(jieba.lcut(text)))
    9 D/ y9 X2 p" V$ B
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
    ' e" y: s$ i& m: Y  \4 }7 `; y, J
13. 
    ! \3 U& P0 s. A/ c6 j
14. # 新增关键字词汇
    ! B* Q0 r2 x5 [0 X: @
15. jieba.add_word("蓝桥杯")
    ' `+ B/ P  H" e9 o) a
16. jieba.add_word('仑中')
    2 M; f6 i. Y, |! k8 Z4 Z* c
17. jieba.add_word('新高考')
    1 |4 W! A$ F! f5 g
18. jieba.add_word('零基础')
    1 E6 F- P' V& I8 j
19. jieba.add_word('第三方库')
    2 \. ~5 k6 G" o( T
20. 
    - Z: X0 i. p& Q! Y8 g4 i
21. # 过滤干扰词汇
    $ A* U7 L  |8 U/ b5 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']
    8 C# w- x4 G, p2 P; Z9 t' g4 n
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    5 w$ r1 Q5 v) s# P, j% |! N# u4 z8 c
24. 
    " `$ i# z9 C. ]4 y
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（*）