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

admin

% {( F) S. n* x: I( V% h2 A       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。
. C& {5 y+ W4 W$ e. P; v       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 ，
. F) e1 y& t7 h* D/ f# ]6 q       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。
& U: \: v% n9 Y8 P2 i9 h

• jieba 库 ------------【学习直通车】（高中必修）
  

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  0 r& k6 ^; \' W' Y" p& L

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）
8 {6 T9 j- h% k% p  u

图1: 未进行优化处理 - 原版效果图 ↑↑↑
2 _# [1 v$ L4 i7 e+ w3 D6 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

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

复制代码

替换成
' X5 m3 U6 _1 }% I/ N

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；
) W% g, j+ |6 D0 c, T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
, u, f: S# V/ i" h

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

$ n+ L+ M7 F+ i图2: 已进行优化处理 - 效果图 ↑↑↑
# O7 q) \3 Q8 f) l# O5 H) w+ I( o8 F
9 Y; h3 s8 t' T7 H2 Y( v

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。
6 `% I; n3 H5 a# |/ Z. A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！

% E: A* W+ C3 g8 O3 L! l图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
/ Z1 M7 ~1 P. ~2 @
  B& \2 E( @& _- r核心代码片段如下 ↓↓↓
4 s% N: {) y$ `0 u$ h

1. import jieba
   : [+ V5 `+ [% u
2. import wordcloud
   
3. 
   # N4 ^' I. j$ d9 S2 a
4. # 引入数据文本文件
   ' \9 x" {6 }/ F1 N
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   6 X* P/ ?; w- m
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. 
    7 ?+ t7 T* g5 K
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
    2 t3 f/ \  K, q7 Z+ S
13. 
    5 K1 z+ I4 C, R
14. # 新增关键字词汇
    4 q1 O! M% w& g% z1 ]
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    * V2 Y, O5 w2 z; S7 G3 }
19. jieba.add_word('第三方库')
    - p: n7 g9 ?9 A$ T, L, w4 I9 j6 g
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']
    - h+ \9 |& o; n7 G: T
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    
25. # 输出图文
    2 `& O+ g; S) K" n& a( C7 b+ S
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（*）