数据可视化之利用Python制作词云图

罗晶

“十年树木，百年树人”，教育的根本目的在于增强学生的能力，使学生成为人才。为了提高学生的信息素养，培养未来的创造性人才，学生不但要学习现代技术，也要具备人文素养，使各种复杂知识在人文精神的烛照下融会贯通。如何在教学中介入文化价值，并运用现代教育技术提高学生的文化素质呢？这里我们以《三国演义》小说为例，让学生阅读学习，然后通过Python 编程进行分析。

《三国演义》是中国古典四大名著之一，亦是中国第一部长篇历史章回小说。它以人物为载体，形象地演绎了中国传统文化的基本精神，即仁、义、礼、智、信、勇等中国传统文化价值体系中的核心因素。那么，如何准确快捷地将这部长篇历史章回小说中的信息提取出来，并以生动的方式呈现给学生呢？这就需要用到词云图。

认识词云图

词云图是文本可视化的一种方式，借助相应的网站工具，对复杂的文本信息（如单词表、例句、课文）进行加工处理，词汇出现频率越高，字号越大，这样的词汇就是高频实义词，也是信息材料关注的焦点，最后以图形化的形式出现。总体来说，词云图有如下功能。

·提炼：提炼呈现实义词

·排序：按频率高低决定词汇显示的大小，出现次数越多，默认字号越大

·突显：对高频实义词起到突显的作用

·图像化：对整体外观形成特定的图像

Python 代码和环境选择

Python 相对其他代码，简单、易学、好上手，对语法要求不高，便于学生进行学习实践。

Python jieba 第三方库选择

Python 对于文章分析有众多库， 其中中文库包括yaha（哑哈）、jieba（结巴）、基于HMM 模型的中文分词、genius 中文分词等。通过使用，我们发现，jieba 库目前应用比较广，遇到问题容易找到解决方案，是优秀中文分词第三方库，于是决定应用jieba 库。jieba 分词有3 种模式，分别为精确模式、全模式和搜索引擎模式。

·精确模式：把文本精确切分开，不存在冗余单词。

·全模式：把文本中所有可能的词语都扫描出来，有冗余。

·搜索引擎模式：在精确模式基础上，对长词再次切分。

Python wordcloud第三方库选择

学生完成分析后需要进行展示，然后由大家讨论。为了展示更加美观，我们选择使用wordcloud。wordcloud庫是Python 词云展示第三方库，以词语为基本单位，更加直观和艺术地展示文本。它可以将文本中词语出现的频率作为一个参数绘制词云，而词云的大小、颜色、形状等都是可以设定的。

wordcloud 有3 个常见函数：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（） 代表一个文本对应词云的对象，要区分大小写，全小写是库，大写+ 小写是对象，可以根据文本中词语出现的频率等参数绘制词云。词云的形状、字体、尺寸和颜色都可以设定，一个词云就是一个wordcloud 对象。wordcloud.ImageColorGenerator（） 可基于彩色图像生成相应彩色，而wordcloud.random_color_func（） 则生成随机颜色

JupyterHub应用环境

Jupyter 是一款基于Python 的web notebook 服务，目前大多Python 数据挖掘与机器学习爱好者都在使用这款服务。其特性其实与IPython Notebook 差不多。准确说IPython Notebook 是一款提供增强型交互功能的shell，而Jupyter 除了IPython 的功能，还加入了普通编辑器的通用功能，是一款带代码交互的动态文档web 编辑器。

由于Jupyter 只支持单用户的使用场景，作为教师，我们需要看到学生的应用实践结果，需要多用户场景，因此，只支持单用户的Jupyter 可能不适用，于是有了JupyterHub。支持多用户的Jupyter Notebook 服务器，用于创建、管理、代理多个Jupyter Notebook 实例，具有扩展性和可定制性。

课程设计流程

第一步：课堂导引

提前1 周让学生阅读《三国演义》，然后在课堂上让学生各抒己见，分析自己对《三国演义》的看法。也许有的学生喜欢曹操，有的学生喜欢诸葛亮，还有的学生喜欢对某个事件进行分析，对此，我们都需要鼓励。

第二步：讲解与实践

在实践之前，我们需要向学生介绍Python 中jieba 库及其分词原理，以及wordcloud 应用方法，包括如何控制底色，如何把文字载入，如何生成指定图片类型等。在制作时，首先要引用jieba 库，把《三国演义》小说导入变量，然后将导入的变量应用jieba 进行分词（图1）。

接着，应用wordcloud 将已经汇总的词进行分析排序，把排序结果应用图片进行展示（图2）。

学生制作完成后，我们可以收集学生的作品，以此检验学生是否完成《三国演义》分词及分析，是否掌握了相关的Python 知识。

第三步：扩展思考

很多学生在分析的时候，主要是针对人物进行的。我们可以把我们认为重要的人物进行一次统计。

首先，用jieba 把词进行分割（图3）。

分割完成之后，把指定人物用循环进行统计，然后改变数据类型，变为列表（图4）。

将列表进行排序，最后用print统一输出，便可得出人物的相关数据（图5）

我们还可以让学生扩展思考：如何完成《三国演义》出场图？如何完成《三国演义》关系图？

总结

作为主要的人工智能语言，掌握Python 对于学生今后的发展非常重要。在教学实践中利用Python 制作词云图，既可以呈现文本的关键信息和主要内容，还可以将现代技术与人文素养相结合，提高学生的综合素质和能力。需要注意的是，利用Python 制作词云图，要求学生有一定的英语基础，并且熟悉键盘操作。