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，
+ c1 S& V+ ]  k7 H. B7 D8 y' M       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 ，
       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）
  

9 i. F3 H: a, w+ h6 Z: C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）
! D1 ^  J+ y" t6 I
; F, a' y5 o  R* c
图1: 未进行优化处理 - 原版效果图 ↑↑↑
/ h- a9 I2 k$ M5 E& k
( W4 q3 ~! V% Z  x, N1 o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
+ P, ]: c' t, C3 _( |2 q+ F

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；
: b9 |  C3 K+ @) k  C" 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
; b, U( z) \% b% p9 e

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

: f! T; q( q' c- a
0 f0 V. e& p  z* o) E& e* D  ?2 z图2: 已进行优化处理 - 效果图 ↑↑↑
/ U6 s. W  T& O+ M- F; e
2 v1 B7 t$ w! X" H9 `$ M, X

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！

9 G  r9 u, z$ j, j1 m图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
9 |: ?6 {4 C$ j) b2 `
2 X! L! I. P: z) B核心代码片段如下 ↓↓↓

1. import jieba
   : r. s$ X( ^, x0 N, t6 C: w6 x
2. import wordcloud
   
3. 
   ( L# v& ~4 V! r: g! x
4. # 引入数据文本文件
   ( Y9 }% c+ W; ]
5. text = open('text.txt','r',encoding='UTF-8').read()
   
6. 
     f2 A$ _+ I' W4 q6 m
7. # 设置词云图片大小、字体及背景色(背景色默认黑色)
   - P4 u7 v7 k; H* C% `
8. w=wordcloud.WordCloud(font_path="C:\\Windows\\Fonts\\simhei.ttf",width=1000,height=700,background_color="black")
   / B% R( b& w. L2 |
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)))
    2 f/ |/ v$ z$ L" Z, R! M8 |* X
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
    ! f- Y" k8 Z1 i- Y* i
13. 
    ; V! Q, P8 X! E5 M$ x& s
14. # 新增关键字词汇
    + I% y, P. G' v% o6 @& i$ Z
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    8 x. G7 z# n2 {, `8 L4 c
17. jieba.add_word('新高考')
    ( P* Y& k: |3 X" y6 d$ Q
18. jieba.add_word('零基础')
    6 k' E+ `- X5 q
19. jieba.add_word('第三方库')
    5 P8 _7 p8 `% M, ~# r) N
20. 
    
21. # 过滤干扰词汇
      M" q9 M0 F! \0 n( C  R8 o
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']
    & o( H) ~, w! O4 h4 q
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    # }3 ^0 c* Q8 `; I  d% {, r
24. 
    
25. # 输出图文
    * ^6 W" L% w2 V+ }* m
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（*）