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

admin

5 i, w) ?, g" r. U6 f8 I% i5 v) ^       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 ，
1 Z/ S" \) E! u# I: f1 W       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。
9 f7 }; N0 k4 O) U

• jieba 库 ------------【学习直通车】（高中必修）
  9 t. ]3 C9 A6 c; h' e/ E

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  

& ^0 u7 [5 P3 i$ P% ^2 Z7 _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）

" I& H1 d# }' J2 q
" ]3 D% r8 f, a- Z% Z图1: 未进行优化处理 - 原版效果图 ↑↑↑
3 Z" X: ]9 ?7 t
- }: \% P  B  v* ?/ p6 y/ l% D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

以上操作就是过滤关键词；
6 s  a( v5 a- Z' Z7 _! L+ \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
6 \% [  k+ u$ a1 Y

1. jieba.add_word("仑中")
   5 }- F& g6 a4 @# b
2. jieba.add_word("蓝桥杯")
   . C9 j) G0 i) }& i, f8 `
3. jieba.add_word("第三方库")

复制代码

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。
; p0 V) g* e' x: w- |3 _5 c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） ↑↑↑
$ g% T( x$ U5 Y% h, o1 n
核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   
3. 
   
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   - }5 W, o/ }) b. k  [$ i$ U
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")
   2 P5 t! Z  D1 c
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
   7 _, b6 y3 }6 H1 }
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
    
15. jieba.add_word("蓝桥杯")
    7 \9 Z/ i6 G1 _6 l. w$ X& o
16. jieba.add_word('仑中')
    & B1 `' j! ^! u# k
17. jieba.add_word('新高考')
    % y! j4 b8 A0 e2 Y5 m. M
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    " j$ W& ~% ]  o! A
20. 
    ( ?* E* [# @2 E' ]/ a
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))
    
24. 
    ( c  E* z: w( O0 A: n
25. # 输出图文
    2 ^5 h2 u$ l* s7 k$ {
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（*）