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，
4 L' x) \# v* G8 v, 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。
: u; o/ b  S) I/ @2 `5 U       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 ，
. A/ g3 b% a3 ?- [       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）
  

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）


  i; x' P- X8 }+ @" p3 x- v6 Y图1: 未进行优化处理 - 原版效果图 ↑↑↑

3 G! ?( s" B' R/ n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
. ]" L0 e6 Z# B- N2 l

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

复制代码

替换成
8 F: k2 l% W% p' }

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；
0 O' N) _* c4 Q2 B' c1 g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")
   7 t& z6 u6 G$ f
3. jieba.add_word("第三方库")

复制代码

图2: 已进行优化处理 - 效果图 ↑↑↑
  o0 o. O: G2 D7 X$ Z
' x+ f8 H* s& \# Z' K+ [2 z

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！

# g* D8 e! s: o' y5 D
# i5 M- A- G  F9 G3 t" m) ^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
     e! k4 @8 |9 D$ N
2. import wordcloud
   
3. 
   
4. # 引入数据文本文件
   - X9 x. Y) C! Q* |
5. text = open('text.txt','r',encoding='UTF-8').read()
   + O2 H: C1 g  s4 A/ P8 j& R) L
6. 
   : _, j  _0 b. i1 {9 }- B
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
   $ w6 ]9 S! A0 ]" |
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
    
13. 
    0 I0 |+ W4 `0 m4 X: D- L
14. # 新增关键字词汇
    : v& w; m; f8 R, c
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    1 ]7 U1 P  ]8 E- F
17. jieba.add_word('新高考')
    ! m' L8 n: @  v! K) R+ [  K( C
18. jieba.add_word('零基础')
    , T: r  z: c- w* G, h
19. jieba.add_word('第三方库')
    
20. 
    9 z8 @3 ]7 {/ E: f3 R2 P! p( g
21. # 过滤干扰词汇
    7 |& Y0 i0 x9 n) s6 f2 `# s
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))
    . ?7 B3 H  v7 U3 N6 g) d& @
24. 
    
25. # 输出图文
      e2 S3 J3 D( b: 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（*）