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

admin

, i" ^) Z2 B4 H" ?       hello！大家好，今天张老师来讲解词云的具体应用实例，
2 `! g# n' C" }# \7 w: w, Z       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 ，
* h* |' F4 n" l1 P* p6 ^& N       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）
  # ]8 s5 `9 E+ d; ?& E

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  5 M$ v. Q5 b$ [

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）
/ e0 w% [( \5 Y5 a* q& }

1 i3 p; p9 `1 ^5 h图1: 未进行优化处理 - 原版效果图 ↑↑↑
: ]  ^( j. n+ Z1 c+ l0 I  h
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
3 i' [  S8 k. [& y: A

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

复制代码

替换成
. r3 `) b, l% {* H8 u

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

复制代码

7 F% t+ h* |; h/ d# p" x5 W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")
   + A: K6 P2 V- H2 X. }
3. jieba.add_word("第三方库")

复制代码

图2: 已进行优化处理 - 效果图 ↑↑↑

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。
- z, v/ \# x7 F# G+ d7 F; b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！

* O) m1 p* f6 `* V/ n0 a3 U
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
+ ^, n& _: `: G% L# j4 R
核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   ) R' [" W- ^! h8 a  p% J* q& K9 @+ i
3. 
   
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   1 [& X+ l8 p8 X$ q- H! r3 L% a9 f
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   ! q8 K$ p1 X5 s; l! U3 m7 H# N
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   * `( w: R3 e" o( a- y: ^% {3 a+ E; A
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
   0 }  F' p% K6 R2 M, F
10. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    ) Q+ X9 f  d0 h( b1 e  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
    ' k. T2 n! r7 E8 z+ J( L& N
15. jieba.add_word("蓝桥杯")
    6 c7 r9 s6 C8 m4 E) `! J+ G
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
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']
    $ C# D- P6 S/ C/ `3 [' z# W
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    - I# p! ^( T. o9 N
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（*）