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

admin

0 p8 j0 X) o( N       hello！大家好，今天张老师来讲解词云的具体应用实例，
4 _+ l" r! x* T- a* y+ U6 Q       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。
& X& @% ?; R- m6 l

• jieba 库 ------------【学习直通车】（高中必修）
  8 d5 W2 d/ `' \. S! I* W

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  

, S. y% h3 N. o- Z( w5 }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，
3 E0 h8 E# p7 k$ a- }2 [  q' {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）
- T- S" l# f! h
5 d- D  }' _1 P9 E. @7 M
  L: @& d! t6 [# u' \图1: 未进行优化处理 - 原版效果图 ↑↑↑

8 }5 m1 n0 v) D! P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
# U0 C) w. H) r

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

% f# W% e( F  ?1 r# l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

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

* P) @1 h- d9 v4 i" g- \
7 A8 K/ ^+ X5 v& C* J图2: 已进行优化处理 - 效果图 ↑↑↑
2 O$ I' |1 I, P$ n9 F

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！

8 C0 \# H" i2 C- X' M: p
5 ^) q3 h8 ~$ t1 C- L# n图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

核心代码片段如下 ↓↓↓
9 N! Z) J7 w' m4 W2 J5 t* [/ s

1. import jieba
   % R6 I) [: J5 A, P) l
2. import wordcloud
   
3. 
   7 Q  D" }5 f8 L( G$ b
4. # 引入数据文本文件
   5 i- n! o; o9 R8 E3 l. J: N' P
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)
     _6 x$ A9 G$ G" q; M
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   ! c9 X+ T$ s- E" H
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
   $ B. V, B, g; |7 s
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    ! }; A3 |* Y) g1 G
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
    9 n+ d6 E" b7 r$ u, h7 z
13. 
    
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    + ^/ v. R& o$ U% E) M% j  D" B' n: h1 v
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
      h3 u: n4 q+ t
19. jieba.add_word('第三方库')
    
20. 
    : K6 f/ N* t7 J, u9 c( D2 S
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))
    # a+ |( z& {, L3 L3 e' u
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（*）