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。
$ c+ @: M0 |1 C1 h+ 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 ，
       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）
  4 z, z; n8 `" Y# n

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  / p8 f* h; q) e- D" f" S" Z

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，
7 u) z9 X6 Y2 r7 D+ k! t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）
& E8 p& B5 m5 x: \

; C' K0 K) ?$ U0 \  \图1: 未进行优化处理 - 原版效果图 ↑↑↑
$ c6 S3 _# x9 w) ^" t2 M. P
0 e% I: k, f3 c9 E/ [  R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
" t# g& n1 I# F/ a- Y' u2 n2 S

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

复制代码

* ^! r3 X7 R6 u# H% s* p! |以上操作就是过滤关键词；
$ l6 U& ]( z8 ]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")
   ) C* y6 D" L9 v2 m) L, W, B
2. jieba.add_word("蓝桥杯")
   , S: e! o1 l/ J4 v: y# V# y! m, K
3. jieba.add_word("第三方库")

复制代码

" P* W0 d& F6 ?! D2 G6 M图2: 已进行优化处理 - 效果图 ↑↑↑

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。
% s' a( G- V# O1 w& G% \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！

* ^- Y, S( C% x7 \) T
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
' {6 z. K- P; `$ L  X
核心代码片段如下 ↓↓↓
0 p8 B0 h0 @( U

1. import jieba
   , W6 p; t' _3 k; y: \% I
2. import wordcloud
   ! \( O) R$ o8 c+ b& {* z
3. 
   
4. # 引入数据文本文件
   1 J( f5 [3 T7 x/ t
5. text = open('text.txt','r',encoding='UTF-8').read()
   8 `% r9 ^: z& X1 f
6. 
   , n% r2 j5 n5 e! q
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
   . o" }1 D6 _7 A" I, g) r
10. 
    8 `- n5 G9 R; k1 X# a! P# q4 h) R
11. w.generate(" ".join(jieba.lcut(text)))
    8 Z* n" r% k, E. `
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. 
    . ^7 z/ R) |& ]. l5 \
14. # 新增关键字词汇
    * K6 |$ o2 [5 V" O3 r
15. jieba.add_word("蓝桥杯")
    ) ]9 L; m) v' a+ K/ o7 Y5 ?/ p; _
16. jieba.add_word('仑中')
    / b& ^5 K' F( G' R
17. jieba.add_word('新高考')
    ' X+ j& M3 T! `$ U# t3 [% }
18. jieba.add_word('零基础')
    ) M1 ?( v: `: u( D3 Q( w
19. jieba.add_word('第三方库')
    4 D, P9 V+ ~" ]
20. 
    2 ~7 Y' A, q) b
21. # 过滤干扰词汇
    
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))
    ! ?: ~) N9 b3 |1 M
24. 
    
25. # 输出图文
    9 U. [* V6 Q$ p6 T/ o5 {
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（*）