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

admin

* ]2 O/ h% z* W+ f       hello！大家好，今天张老师来讲解词云的具体应用实例，
5 @" |% n* T3 ]$ J* P  n( r6 B       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。
# N, Z$ U* `: H" T" ?) I. R       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。

• jieba 库 ------------【学习直通车】（高中必修）
  1 W" E# Q8 Y3 M- W9 d

  ---

• 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）

1 Q2 p5 V* X$ D4 Y; M3 c/ q
) {3 r' b9 [2 F图1: 未进行优化处理 - 原版效果图 ↑↑↑
9 C: j6 @6 Z' O" ~
! r2 J& |$ C: _: ^! [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
/ H6 b9 p# f1 @: v9 ~/ L  V  J+ a5 ^$ I

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

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")
   ; _* _( X4 a% \% l
2. jieba.add_word("蓝桥杯")
   : R' W! Z, J) H" J' E, m, e! z
3. jieba.add_word("第三方库")

复制代码

9 [# E7 f7 a# f: B% w
+ a* Y0 V: Q- ^' q- M9 _, a) I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。
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！

* r: B% ~# G: t% s+ T5 ^( Y
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
& H: V9 ]8 v+ h2 w0 b" Z
, y  X. L* U8 b$ }; O; h核心代码片段如下 ↓↓↓
6 j7 a2 e+ R) ~! Z6 M) o! e8 @

1. import jieba
   
2. import wordcloud
   ( w3 h+ C! j/ B# x" l; V# a
3. 
   
4. # 引入数据文本文件
   . v/ g, k& h, G' S3 K
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)
   5 N$ [' S4 Y' g; t* M* ]* I( k, r+ C& ^
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   + ]( ]+ a: v% X4 N" O* `4 ^# j
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
   & f# i! ?* n. r0 h& r
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. 
    , Q  l: }. p& D
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    5 `+ c" t1 s2 P9 s$ r
16. jieba.add_word('仑中')
    5 [+ r/ J: i! [, W- V6 F
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    6 `% }1 X2 K/ ^  Z* i7 z2 o
19. jieba.add_word('第三方库')
    9 A) `5 I6 E# e0 Q( I
20. 
    $ h3 a5 E- i; r$ h" I' C% s1 l' a
21. # 过滤干扰词汇
    - \0 s8 G: _: e, L5 Y
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))
      G1 X5 I; D/ d3 ^1 s  A* J7 p
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（*）