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。
# r' E7 R+ }2 f! L/ r  Q( H       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 ，
% d6 [5 l1 a# O  d1 Q  \$ q3 c       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。
# v! \8 f% B/ W9 J' X$ \  @

• jieba 库 ------------【学习直通车】（高中必修）
  

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  & ^+ `$ q# a" H: M" u: ?, @6 o

6 d5 M7 X' d2 Q' T. r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）
* {9 V  K& U2 f* d# A/ J( O3 j
! {" }" O9 C, `0 m7 f
# x; {6 L* C: \图1: 未进行优化处理 - 原版效果图 ↑↑↑

* u5 Y/ N6 s: t+ ?7 f- 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
0 g, ]" n1 c8 f" u% u% K; Z

1. w.generate(" ".join(jieba.lcut(text)))

复制代码

替换成
) g# m0 u, w$ _

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；
% A' ~& g) p8 w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")
   4 R) I/ V5 ~/ D+ i& B- x4 e
2. jieba.add_word("蓝桥杯")
   . I" z+ t! _$ p: m! P/ P
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。
8 L  a% d# g* v) l/ R0 m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！

4 S+ `" z, r+ b5 f9 d
图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑
8 r. M) ?. r) x4 u
核心代码片段如下 ↓↓↓
% @) ~' [$ P, J+ G) V( L

1. import jieba
   
2. import wordcloud
   " r# f- E3 e8 a4 J4 J* S( I
3. 
   3 G/ P3 c8 e/ t1 I
4. # 引入数据文本文件
   
5. text = open('text.txt','r',encoding='UTF-8').read()
   
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")
   
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. 
    . n# t7 V) z3 ], f& F  c) I! `; Y) O
14. # 新增关键字词汇
    
15. jieba.add_word("蓝桥杯")
    
16. jieba.add_word('仑中')
    $ e7 x1 J! v8 ^
17. jieba.add_word('新高考')
    7 r6 I6 y6 x5 f& I7 ~3 `( `& K/ J2 v
18. jieba.add_word('零基础')
    + i4 C8 w  y( R1 v" M  W
19. jieba.add_word('第三方库')
      w8 W) O# L" O) _3 y6 w
20. 
    6 \$ P! b7 ~0 \. Z! p! `
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))
    : ?) e& t6 [% h
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（*）