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

admin

' ?/ t" A9 U" r  f: y3 t       hello！大家好，今天张老师来讲解词云的具体应用实例，
3 a8 K: L7 ~2 M6 N0 Z! |- c1 t' F: K# f       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 ，
" M  U! i2 H, |; f! m% U8 S; I       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）
  

  ---

• 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，
) e1 W3 e0 e+ o5 c5 Q: V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）
0 j* |2 Z; K( w8 q; ]

8 g! o: N& W  W6 [% j7 n2 g8 J图1: 未进行优化处理 - 原版效果图 ↑↑↑
2 P% C" ?) J, D9 j5 i
# }+ _) K% x5 p# H& g$ {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
/ E$ y& [3 i  X4 a% P; V

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

复制代码

替换成
" S3 x5 W8 y' \+ S: D% Q1 q

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

复制代码

' Q3 V2 H" y* {$ _  x* {以上操作就是过滤关键词；
& Q6 R2 {) }. i7 i1 _( Q# b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
; ^; w  y- Z9 h- r3 h" x& H

1. jieba.add_word("仑中")
   
2. jieba.add_word("蓝桥杯")
   ; E1 u6 k& D. ]7 e5 L9 j: Z
3. jieba.add_word("第三方库")

复制代码

' ~+ b& U' M2 c
图2: 已进行优化处理 - 效果图 ↑↑↑
5 @3 q: y+ p/ \, i0 A6 ^& o2 ]

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。
7 \) F2 ?$ U: c6 q' 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！

# i; o& N& }, A+ @- A' C' C3 _
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
, f% x& p- U1 @: \# l
' }0 k+ G2 r  t5 H* R+ U核心代码片段如下 ↓↓↓
* X3 V) `& J! E

1. import jieba
   % o' U; k6 k2 s0 B' i1 M' d& R
2. import wordcloud
   
3. 
   ! y* K( p) f6 D
4. # 引入数据文本文件
   ; q6 M8 R1 f+ e
5. text = open('text.txt','r',encoding='UTF-8').read()
   % i& `$ B& @* F, J
6. 
   ( q1 d8 L) J: k& c
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   - Q; q5 z) r2 \! L# J1 ^: M
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   ) P) F. \5 p. d+ b8 b* k
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
   + u, J; k2 A" b
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
    % |7 w  [4 ]& G4 v2 l
13. 
    ; {9 E! h- N$ I, n( p9 g# ]/ o
14. # 新增关键字词汇
    5 d- x& v$ {2 e
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')
    9 f( R; ]4 B+ D+ O: k% H
19. jieba.add_word('第三方库')
    + Q/ @" H% R" }  A6 y4 X5 r
20. 
    
21. # 过滤干扰词汇
    ) _# X( t, i# G% t; v
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))
    + \# }$ L* F# D3 n: K. d! v
24. 
    7 l" t$ A4 o% m2 B( L
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（*）