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

admin

5 B3 ?( Q  H9 G8 }       hello！大家好，今天张老师来讲解词云的具体应用实例，
- d1 s7 q. o2 B: L& `$ R3 c, x       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 ，
6 {  i, e. C: {0 ^# d$ K2 k       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。
3 z3 m( P0 h+ ?, G9 ?. T

• jieba 库 ------------【学习直通车】（高中必修）
  : r" P: @, _4 h+ @7 p6 }. Z- k

  ---

• 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，
! _: @; E: O- ?: 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）
% p' O) w; D1 s* A# h# u- G+ |, U

6 y  ^5 o3 Z  F. B图1: 未进行优化处理 - 原版效果图 ↑↑↑
0 L, T9 d3 W, {* K$ F4 U
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
" p/ a! @0 ^8 r4 B* W0 ]. ~/ U! ]

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

复制代码

替换成
. d# d. U& A, r" W# U( o9 |

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

复制代码

& J9 \+ s- h) }9 V# S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")
   8 `7 I1 H7 ~0 n; ^' A3 Q
2. jieba.add_word("蓝桥杯")
   9 i* H! f6 ?9 q
3. jieba.add_word("第三方库")

复制代码

! k8 [" I2 d% F6 ]
图2: 已进行优化处理 - 效果图 ↑↑↑

# C) F; q2 {9 c1 ~5 a

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。
, k+ k$ B4 Q, `" {- ^8 Y3 w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！

. O0 \# k  Q7 [( h: t  x2 F
, p7 k" ^, C% x图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
# o% g# R+ c6 E
核心代码片段如下 ↓↓↓
2 P8 B4 L- ^$ n+ G

1. import jieba
   3 g$ S) C. Y! {, I
2. import wordcloud
   * C- z0 r8 @: p3 {
3. 
   5 l6 \5 V, @5 D9 L! C6 w% h
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   , J+ @' u% |( M. B; _: R
6. 
   
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
   0 _* V/ \% {2 N' F3 |  S2 z: I
10. 
    1 e7 e( a. P, B9 w5 R
11. w.generate(" ".join(jieba.lcut(text)))
    - K' t' u* K. u- S' y. V
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
    - X( Z+ ~2 J3 G3 _& _- q
13. 
    
14. # 新增关键字词汇
    " T/ d; w& A' C. B+ ]. ~
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')
    
19. jieba.add_word('第三方库')
    
20. 
    
21. # 过滤干扰词汇
    * l' K6 |( c' |' l, [, Z
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']
    3 K& D- A4 b: b: k2 K7 ^  V
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    + e0 Y. q- r: b! o
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（*）