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

admin

       hello！大家好，今天张老师来讲解词云的具体应用实例，
       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 ，
2 _- t0 ?# ^$ s, t       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）
  * `" I4 L$ ^+ }( y; y

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  $ O7 r0 U, Z: e, U* Y, h! e

8 f1 V6 O  Z# ~! l4 o* P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）


图1: 未进行优化处理 - 原版效果图 ↑↑↑
$ ^# r; Q  U8 C: t8 E, u% s
% S6 g7 i7 G# {% v0 m' F4 Y0 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

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

复制代码

替换成
" O, g2 w, f2 b  ?9 R

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

复制代码

! |; ^* ]! S0 b" ^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")
   
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

+ a! }$ y& i- S6 @( c
图2: 已进行优化处理 - 效果图 ↑↑↑
1 a. @0 H  y' L5 O6 k. U
  p; h3 ^- K. O  ]2 S, M+ ]0 b

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！

0 D% J3 C! u) U! k图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
7 p. r3 [' j& h2 f8 ?8 J
9 W( ~+ K) }* {/ }) {核心代码片段如下 ↓↓↓
' b2 w$ L% `0 s1 V

1. import jieba
   , D( _2 |. N& ~
2. import wordcloud
   
3. 
   + P: I4 H  r4 W# P3 S7 O
4. # 引入数据文本文件
   0 [( i; ]0 d; i! s5 ~( T+ }; j5 W0 T
5. text = open('text.txt','r',encoding='UTF-8').read()
   1 Z. ~+ |+ N: M7 T- F: Y
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
   
10. 
    4 J( g# y& D/ U
11. w.generate(" ".join(jieba.lcut(text)))
    6 B0 `4 u* \) r8 v% \4 \5 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
    - J( {( c" M2 f) G( {
13. 
    * M* L9 Q% o6 g
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    / Q2 l: \2 I" o0 Y) t4 C
16. jieba.add_word('仑中')
    , I; }7 h+ e& o
17. jieba.add_word('新高考')
    6 t" p7 u. c' B& s' \( }
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
    + H1 X( R+ K# D; e
21. # 过滤干扰词汇
    ! w  _* `4 ^4 S5 K: I3 `
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']
    * L* j; R0 h  l" h7 Q6 u
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
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（*）