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

admin

9 g* {$ d9 i% K9 Q  w* |9 g$ \       hello！大家好，今天张老师来讲解词云的具体应用实例，
: Q, w4 n+ ?7 V) z0 A4 c- q       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。
7 W! p0 f2 }" x6 d       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 q* z0 C/ I  _/ b6 J# z6 d/ 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。
! H* N* S) m: G8 ]+ P+ j0 |

• jieba 库 ------------【学习直通车】（高中必修）
  9 e1 c5 ?* E0 S7 q

  ---

• 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，
- R' r2 q3 j2 L* n8 }# ~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）
) I  u7 \4 e: l
3 X! p$ B; x* [" `
图1: 未进行优化处理 - 原版效果图 ↑↑↑

5 W6 j2 E( X  W- Q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
: Y  n" x/ r" z5 T. ]

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

复制代码

替换成
0 x' K4 e7 ~/ J9 Q- {  x; C6 L

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；
4 D1 b+ L9 x+ R5 e. s- x& B* q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
2 B" q) ^1 S; _6 W

1. jieba.add_word("仑中")
   ; V: A+ L/ `1 T* J0 J- W: r3 p( N
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

8 Z! L' e* U" @  K图2: 已进行优化处理 - 效果图 ↑↑↑

8 Q2 k& X5 ~- X$ M( 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。
" P/ q' x# |; t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！

. c# O# W" D* G图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
, v% ~  L" R, K! e! ^7 \2 {7 ~
$ D; J$ M& A% d核心代码片段如下 ↓↓↓
& l' q" B$ ~8 a: }1 r

1. import jieba
   & ]0 g0 a, G; L. e; w$ V% s8 A% D
2. import wordcloud
   
3. 
   7 D/ L: ?/ q# w% a* q9 e- G  |
4. # 引入数据文本文件
   $ O  {8 R3 z3 _, y
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   ; D! g: m2 p/ S7 ~# E
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")
   $ J9 o8 q, \' M9 m! c+ t
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
   ) O0 E4 x- {9 x5 u# D1 L9 [
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
    , `/ }1 l  N5 q) _. p& Q! `
13. 
    5 i5 z4 u( W; z6 y# U; g
14. # 新增关键字词汇
    7 c' W# r% }. ~' O2 t7 G: l& I
15. jieba.add_word("蓝桥杯")
    ; U( s: }6 B3 w7 Q' p( Y
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
    4 t1 f* U0 c. o+ o& l# O2 S
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']
    1 X! Z. ?% x  G; R3 q, k
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    , z# g* q% f  F
25. # 输出图文
      o& e# p3 T; u: B7 P4 K* \
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（*）