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

admin

! ]1 M' t! ?+ K; Y% d       hello！大家好，今天张老师来讲解词云的具体应用实例，
# i0 R4 B+ d0 O& s       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。
2 Z3 }* E  i- s, q! b, m6 {       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 ，
5 X+ R. s; @7 s+ i2 S+ y/ f       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。
, q4 n1 n# R' k5 j% U- ^

• jieba 库 ------------【学习直通车】（高中必修）
  % ]6 ?4 {$ P6 D8 m  G& L

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  1 l! k6 B0 o% _, T6 H7 _$ m

1 r, b2 s  ^. C" r( I* W8 L5 C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）


# \; A: d( S$ H  N. d9 B图1: 未进行优化处理 - 原版效果图 ↑↑↑

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
, W2 u: H% Y; e( ?  z

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")
   # f5 g/ P. V; S# `, e0 _1 t
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

0 P( ~* p/ u( l& {
图2: 已进行优化处理 - 效果图 ↑↑↑
. O9 [; t, k% j; H/ E* r( N4 K; 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！

图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
  h  K1 Z4 d# q6 b, V
( J, U$ ?: J7 M3 U( k; x核心代码片段如下 ↓↓↓
( S  n% b5 i" j3 V8 G* l

1. import jieba
   , Q( A8 p- D( T7 X
2. import wordcloud
   9 n9 S! l5 z" p; G5 T
3. 
   6 q7 \- d/ n: r. a
4. # 引入数据文本文件
   + ?; h1 w" v$ D* u7 s
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   : d( B; Z1 E7 X* A/ K9 F1 l
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   ' R# x5 z& w0 |: P, D+ ^; v
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. 
    
11. w.generate(" ".join(jieba.lcut(text)))
    0 v: O1 ~  i- a3 U5 `+ M3 Q( q
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. 
    * s0 z+ ?! H/ U/ n
14. # 新增关键字词汇
    + e% f- C4 W* c6 w# X  N
15. jieba.add_word("蓝桥杯")
    + K! \% v7 U5 G1 w2 w" U
16. jieba.add_word('仑中')
    5 V+ x% C* d& n1 z
17. jieba.add_word('新高考')
    & f5 L+ J. M7 w# Z# `
18. jieba.add_word('零基础')
    . D1 x* I  N! n) L1 J/ K/ V
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']
    
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    & x0 T! X0 ~" G, k; @  F) P, e- f
24. 
    
25. # 输出图文
    1 A2 V" p5 R2 a7 L2 v- l% u
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（*）