數(shù)據(jù)可視化之利用Python制作詞云圖

羅晶

“十年樹木，百年樹人”，教育的根本目的在于增強(qiáng)學(xué)生的能力，使學(xué)生成為人才。為了提高學(xué)生的信息素養(yǎng)，培養(yǎng)未來的創(chuàng)造性人才，學(xué)生不但要學(xué)習(xí)現(xiàn)代技術(shù)，也要具備人文素養(yǎng)，使各種復(fù)雜知識(shí)在人文精神的燭照下融會(huì)貫通。如何在教學(xué)中介入文化價(jià)值，并運(yùn)用現(xiàn)代教育技術(shù)提高學(xué)生的文化素質(zhì)呢？這里我們以《三國演義》小說為例，讓學(xué)生閱讀學(xué)習(xí)，然后通過Python 編程進(jìn)行分析。

《三國演義》是中國古典四大名著之一，亦是中國第一部長篇?dú)v史章回小說。它以人物為載體，形象地演繹了中國傳統(tǒng)文化的基本精神，即仁、義、禮、智、信、勇等中國傳統(tǒng)文化價(jià)值體系中的核心因素。那么，如何準(zhǔn)確快捷地將這部長篇?dú)v史章回小說中的信息提取出來，并以生動(dòng)的方式呈現(xiàn)給學(xué)生呢？這就需要用到詞云圖。

認(rèn)識(shí)詞云圖

詞云圖是文本可視化的一種方式，借助相應(yīng)的網(wǎng)站工具，對復(fù)雜的文本信息（如單詞表、例句、課文）進(jìn)行加工處理，詞匯出現(xiàn)頻率越高，字號(hào)越大，這樣的詞匯就是高頻實(shí)義詞，也是信息材料關(guān)注的焦點(diǎn)，最后以圖形化的形式出現(xiàn)?？傮w來說，詞云圖有如下功能。

·提煉：提煉呈現(xiàn)實(shí)義詞

·排序：按頻率高低決定詞匯顯示的大小，出現(xiàn)次數(shù)越多，默認(rèn)字號(hào)越大

·突顯：對高頻實(shí)義詞起到突顯的作用

·圖像化：對整體外觀形成特定的圖像

Python 代碼和環(huán)境選擇

Python 相對其他代碼，簡單、易學(xué)、好上手，對語法要求不高，便于學(xué)生進(jìn)行學(xué)習(xí)實(shí)踐。

Python jieba 第三方庫選擇

Python 對于文章分析有眾多庫， 其中中文庫包括yaha（啞哈）、jieba（結(jié)巴）、基于HMM 模型的中文分詞、genius 中文分詞等。通過使用，我們發(fā)現(xiàn)，jieba 庫目前應(yīng)用比較廣，遇到問題容易找到解決方案，是優(yōu)秀中文分詞第三方庫，于是決定應(yīng)用jieba 庫。jieba 分詞有3 種模式，分別為精確模式、全模式和搜索引擎模式。

·精確模式：把文本精確切分開，不存在冗余單詞。

·全模式：把文本中所有可能的詞語都掃描出來，有冗余。

·搜索引擎模式：在精確模式基礎(chǔ)上，對長詞再次切分。

Python wordcloud第三方庫選擇

學(xué)生完成分析后需要進(jìn)行展示，然后由大家討論。為了展示更加美觀，我們選擇使用wordcloud。wordcloud庫是Python 詞云展示第三方庫，以詞語為基本單位，更加直觀和藝術(shù)地展示文本。它可以將文本中詞語出現(xiàn)的頻率作為一個(gè)參數(shù)繪制詞云，而詞云的大小、顏色、形狀等都是可以設(shè)定的。

wordcloud 有3 個(gè)常見函數(shù)：wordcloud.WordCloud（）、wordcloud.ImageColorGenerator（）和wo r d c l o u d . r a n d om_ c o l o r _ f u n c （ ）。wo r d c l o u d .WordClud（） 代表一個(gè)文本對應(yīng)詞云的對象，要區(qū)分大小寫，全小寫是庫，大寫+ 小寫是對象，可以根據(jù)文本中詞語出現(xiàn)的頻率等參數(shù)繪制詞云。詞云的形狀、字體、尺寸和顏色都可以設(shè)定，一個(gè)詞云就是一個(gè)wordcloud 對象。wordcloud.ImageColorGenerator（） 可基于彩色圖像生成相應(yīng)彩色，而wordcloud.random_color_func（） 則生成隨機(jī)顏色

JupyterHub應(yīng)用環(huán)境

Jupyter 是一款基于Python 的web notebook 服務(wù)，目前大多Python 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)愛好者都在使用這款服務(wù)。其特性其實(shí)與IPython Notebook 差不多。準(zhǔn)確說IPython Notebook 是一款提供增強(qiáng)型交互功能的shell，而Jupyter 除了IPython 的功能，還加入了普通編輯器的通用功能，是一款帶代碼交互的動(dòng)態(tài)文檔web 編輯器。

由于Jupyter 只支持單用戶的使用場景，作為教師，我們需要看到學(xué)生的應(yīng)用實(shí)踐結(jié)果，需要多用戶場景，因此，只支持單用戶的Jupyter 可能不適用，于是有了JupyterHub。支持多用戶的Jupyter Notebook 服務(wù)器，用于創(chuàng)建、管理、代理多個(gè)Jupyter Notebook 實(shí)例，具有擴(kuò)展性和可定制性。

課程設(shè)計(jì)流程

第一步：課堂導(dǎo)引

提前1 周讓學(xué)生閱讀《三國演義》，然后在課堂上讓學(xué)生各抒己見，分析自己對《三國演義》的看法。也許有的學(xué)生喜歡曹操，有的學(xué)生喜歡諸葛亮，還有的學(xué)生喜歡對某個(gè)事件進(jìn)行分析，對此，我們都需要鼓勵(lì)。

第二步：講解與實(shí)踐

在實(shí)踐之前，我們需要向?qū)W生介紹Python 中jieba 庫及其分詞原理，以及wordcloud 應(yīng)用方法，包括如何控制底色，如何把文字載入，如何生成指定圖片類型等。在制作時(shí)，首先要引用jieba 庫，把《三國演義》小說導(dǎo)入變量，然后將導(dǎo)入的變量應(yīng)用jieba 進(jìn)行分詞（圖1）。

接著，應(yīng)用wordcloud 將已經(jīng)匯總的詞進(jìn)行分析排序，把排序結(jié)果應(yīng)用圖片進(jìn)行展示（圖2）。

學(xué)生制作完成后，我們可以收集學(xué)生的作品，以此檢驗(yàn)學(xué)生是否完成《三國演義》分詞及分析，是否掌握了相關(guān)的Python 知識(shí)。

第三步：擴(kuò)展思考

很多學(xué)生在分析的時(shí)候，主要是針對人物進(jìn)行的。我們可以把我們認(rèn)為重要的人物進(jìn)行一次統(tǒng)計(jì)。

首先，用jieba 把詞進(jìn)行分割（圖3）。

分割完成之后，把指定人物用循環(huán)進(jìn)行統(tǒng)計(jì)，然后改變數(shù)據(jù)類型，變?yōu)榱斜恚▓D4）。

將列表進(jìn)行排序，最后用print統(tǒng)一輸出，便可得出人物的相關(guān)數(shù)據(jù)（圖5）

我們還可以讓學(xué)生擴(kuò)展思考：如何完成《三國演義》出場圖？如何完成《三國演義》關(guān)系圖？

總結(jié)

作為主要的人工智能語言，掌握Python 對于學(xué)生今后的發(fā)展非常重要。在教學(xué)實(shí)踐中利用Python 制作詞云圖，既可以呈現(xiàn)文本的關(guān)鍵信息和主要內(nèi)容，還可以將現(xiàn)代技術(shù)與人文素養(yǎng)相結(jié)合，提高學(xué)生的綜合素質(zhì)和能力。需要注意的是，利用Python 制作詞云圖，要求學(xué)生有一定的英語基礎(chǔ)，并且熟悉鍵盤操作。