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

admin

4 \0 W6 l% ?+ f. I2 k8 O6 L       hello！大家好，今天张老师来讲解词云的具体应用实例，
" {# o, T" B. y$ @, m* L       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。
- W1 x7 K# V8 s1 Q       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 W! V2 m9 ^8 o* k% B3 a& r/ a       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。
5 w- N5 r5 V7 ~$ `( M" A

• jieba 库 ------------【学习直通车】（高中必修）
  ' {" ~9 a1 x$ K6 A( [

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  $ [' X/ c( A0 w$ s. M% a; L: O6 G

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）
4 Q" r5 N, ~0 f/ B1 G: C
/ ]& m+ K( v2 i6 Y8 ~4 ?# Z' h( 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
) ]& h2 ?# l9 [4 ^

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；
0 U# S2 _8 f; g. e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
& {) U* Q  @4 w9 s5 W

1. jieba.add_word("仑中")
   ; K& X$ m2 }7 \' C) h) I1 v1 B
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

图2: 已进行优化处理 - 效果图 ↑↑↑
7 Z+ p9 {- Z! z. |; L; ?: q

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。
3 Y$ l* O( V, q, V# x) r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！

; S6 _: p" f1 t# O# I8 K
. {& j+ A; k+ f% x, \  Y图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   2 ^! W4 Y2 d9 g. ]
3. 
   
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
   5 x' N$ I' a5 I) d
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. 
    
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
    
13. 
    
14. # 新增关键字词汇
    : g7 a2 Z2 f8 |3 }5 h! U
15. jieba.add_word("蓝桥杯")
    & O  {- A0 [8 u# }5 }
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    ! n$ l; d- u4 b7 @
18. jieba.add_word('零基础')
    # e! H& i% y) j# Y
19. jieba.add_word('第三方库')
    , g8 x7 O- a( D) |7 V
20. 
    + `7 {0 y3 _3 s- W6 y. L. X8 L
21. # 过滤干扰词汇
    . {; O0 G' y0 a
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']
    ( H0 r2 [$ h9 s8 \$ r
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（*）