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，
4 r4 b& p8 [1 ^- H4 q( O& @       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）
  

3 B% x! M* {8 l& H# 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，
" s) X/ K! O; S! g  \7 q  U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）

% Y/ D% `5 ]+ }- n$ X
( V9 k9 h4 z% u# B$ ~图1: 未进行优化处理 - 原版效果图 ↑↑↑

4 D- Y6 s, B' P6 {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

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

复制代码

: W8 Y- x; {8 q% T! M  @以上操作就是过滤关键词；
- c( f7 J. Z5 L# e0 T9 [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
" M! p: H2 D3 }  E# W' `

1. jieba.add_word("仑中")
   # f* F5 y3 G7 W
2. jieba.add_word("蓝桥杯")
   
3. jieba.add_word("第三方库")

复制代码

+ k" r3 o: q7 a3 s2 @图2: 已进行优化处理 - 效果图 ↑↑↑

  u( }& \8 D5 g

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！

图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

# m: T, j% ?2 Q2 j; F核心代码片段如下 ↓↓↓

1. import jieba
   9 E8 J" x) }4 I0 J5 e- V5 }
2. import wordcloud
   , T0 H0 u+ k7 u5 n' X
3. 
   & l& k$ _  c) x1 r
4. # 引入数据文本文件
     V; k  B6 F4 L+ k5 M; \
5. text = open('text.txt','r',encoding='UTF-8').read()
     ]; [0 v+ s4 \" z: P
6. 
   " D9 i' Q! O8 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. 
    : J. U0 }, O+ J& G3 t  n/ K
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    ) M2 T% F1 t; k; v  }& E
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    7 o: g" C) n4 w
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
      G$ Y! Z# c/ _# U
21. # 过滤干扰词汇
    7 m  E5 X. |! Q$ W1 G* I5 K9 L
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))
    
24. 
    - D  \6 V3 v- z9 T
25. # 输出图文
    ! L( K5 S8 k; o0 u7 z9 ~2 j
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（*）