快速制作一款高逼格词云图

词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。

一、先看看几个词云图

三教 × 九流：「生活、工作、学习」三教，「学术思辨、故事、诗歌、时评、随笔、科技工具、书影音、新技能 get、吐槽」九流。

读书专题文章中的书名，生成的词云图，今年你读过哪几本书？

六神的词云图，抓取他的120篇文章标题，进行分词统计后生成。

二、开始制作词云图

工具：我使用的是TAGUL， https://tagul.com/ 一款在线词云制作工具，非常简单。

步骤：
1）导入文本

Import words , 可以直接粘贴导入文本数据，或者以web url的方式导入。文本数据包括关键词和size。
Add，是添加一个关键词和size

2）选择形状 -- 自定义形状图片

TAGUL提供了一些模板图形，左边是分类主题。

一般图形选取的原则，看关键词的内容来定，如公司LOGO，人物头像，需要上传你的图形图片，点 ADD IMAGE。自定义形状图片，有一个技巧，图片的清晰度不要求很高，轮廓清楚就好。

3）修改字体

注意TAGUL默认的都是英文字体，关键词如果是中文或有中文是无法显示出来的。

点Add Font添加就行，添加你电脑上 C:/WINDOWS/font 文件夹下的你喜欢的一种字体就行。

注意，如果你使用的是Mac，需把Windows下的字体拷一个过来进行添加就OK。

4）选择文字排列方向

选择文字方向即可。

5）生成词云 -- 下载

点击 "Visualize" 就可以生成。在Download and Share中下载标清(SQ)图片，就是你想要的词云图。

TAGUL付费版可以下载高清的图片，也可以生成嵌入的网页代码，词云有动态效果。

三、词源获取：爬虫和分词技术

我用以获取关键词的方法都是使用Python爬虫，如爬取简书用户信息，爬取简书首页、热门文章标题，爬取51JOB招聘职位信息 ......

注意，这时候你拿到的还不是关键词，是句子或段落，怎么得到关键词？就是把句子切成多个词语。看过老罗锤子M1发布会的一定对Big Bang有深刻的印象，对的，Big Bang就是分词的应用。

我常用的两款分词工具，一个是在线分词工具基于深度学习的中文在线抽词-PullWord，另一个是结巴分词(jieba)。

再把这些关键词进行分类汇总得到词频数据，选择那些高频词，按上面的方式制作词云图。

比如你看到的上面软技能的关键词，实际上是从所有职位描述进行分词得到的 372,739个词，再进行分类汇总后得出的高频词。分类汇总用的是SQL聚合函数，也可以用Excel。

爬虫和分词都需要编程实现。如果你没有编程方面的基础，这一步也可以简化来做，就是主观选取一些关键词，随机或手动指定词频(size)。

所以一个完整的词云图的制作过程应该是：网络抓数据（Python或R语言）— 分词 — 分类汇总（SQL）— 使用词云工具生成云图。

Python分词生成图云参考：

https://zhuanlan.zhihu.com/p/147349178

https://zhuanlan.zhihu.com/p/79824917

from os import path
from scipy.misc import imread
import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloudtext = cleaned_comments #文本数据
cut_text = ' '.join(jieba.lcut(text))
print(cut_text)
color_mask = imread("cat.jpg")
cloud = WordCloud(font_path='Songti.ttc',  # 字体最好放在与脚本相同的目录下，而且必须设置background_color='white',mask=color_mask,max_words=2000,max_font_size=40
)
word_cloud = cloud.generate(cut_text)
plt.imshow(word_cloud)
plt.axis('off')
plt.show()

四、其他词云工具

有比较多的在线词云工具，javascript也可以开发动态词云工具。
另外推荐：Tagxedo，使用方法跟TAGUL差不多。
ECharts有专门的词云，不过展现力还是比较单薄点。

词云图从大了讲就是数据可视化，从小了讲只是个雕虫小技，“形式大于内容”，酱紫。

参考：https://zhuanlan.zhihu.com/p/267147668