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，
9 }! n& g, H2 @       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。
, D1 X" `9 W& p5 M* R- S+ {) n       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 ，
4 N# q# g6 @$ O  h       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）
  , d2 I6 N, S+ `9 \, I1 I) ?+ h

  ---

• wordcloud 库 ----【学习直通车】（高中选修）
  ) P3 H3 a. \, \! e  z9 q

% n$ J0 ~$ L/ y& h! A/ F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，
9 ?8 B) l6 Z/ E6 J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）


图1: 未进行优化处理 - 原版效果图 ↑↑↑

0 t' p, c& e& k8 F# k( W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；
& B: I: V: o4 b% Q$ L* N# R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
) [  Y, _& s+ D# H$ ?" P4 X

1. jieba.add_word("仑中")
   
2. jieba.add_word("蓝桥杯")
   " q4 b% X, a; w' E4 A
3. jieba.add_word("第三方库")

复制代码

图2: 已进行优化处理 - 效果图 ↑↑↑
0 Z9 Y" C" y: S8 L4 I2 O! V% Y

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。
: w/ y8 e; Q1 o0 H- W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！

- |2 W/ _! E: s3 l8 c
0 Y8 ]+ ?1 {+ i2 Q: K# ~4 j$ ^图3: 已进行优化处理 - 效果图（背景白色） ↑↑↑

- V, V5 I2 Q+ N+ ^核心代码片段如下 ↓↓↓

1. import jieba
   
2. import wordcloud
   & g0 w, e' S5 h% @1 i# v6 X9 F
3. 
   ( P9 \' w0 m: X  E
4. # 引入数据文本文件
   6 z2 H5 l& P( g0 ~
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")
   3 ?- J9 b  K# A7 g
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
   2 e8 z0 d* }0 Q/ N- D; G4 p8 H- Y. O3 t# L
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. 
    " w) Z! w8 ~, h) t/ Q# q
14. # 新增关键字词汇
    2 b/ E: n! N& L6 k( o
15. jieba.add_word("蓝桥杯")
    3 ]7 ~! |! M! V% @( T, q( i' \
16. jieba.add_word('仑中')
    
17. jieba.add_word('新高考')
    
18. jieba.add_word('零基础')
    
19. jieba.add_word('第三方库')
    
20. 
    3 B( M1 Y* u/ w5 E" C& w
21. # 过滤干扰词汇
    / g% I7 Z% X! ?; r% G" V! D$ ]
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']
    8 ]9 Y, i+ @" }$ [% l' S
23. w.generate(" ".join(k for k in jieba.lcut(text) if k not in stop_words))
    
24. 
    2 C! F  C8 V4 X' q- l9 S/ I9 g
25. # 输出图文
    5 `- a/ ]7 F9 y
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（*）