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
简书签约作者标签词云
从简书签约作者的自我介绍中提取关键词，统计后制作的词云图。看看这些关键词，你能想到是哪位签约作者？
简书热门文章类型词云
从简书首页、7日热门文章进行文章分类统计后，生成的词云图。想上首页热门，应该选择上面几个类型来写。
关于在简书上写什么，V先生有一个高度的概括总结：
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。
2016简书-阅读 词云
抓取2016年简书·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？
彭小六文章标题词云图
简书头牌-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。
51JOB C++嵌入式岗位JD 词云图
抓取51Job C++嵌入式岗位，职位描述分词后，得到的词云图，上图是硬技能的要求，下图是软实力的要求。
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。
TAGUL
-
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。
调整形状参数
还一个有小技巧，如果图形有背景，或边缘需要修理一下的话，我没有采用PS这一类的重型武器，直接用PPT中的图像就可以搞定，快捷方便。比如小六之前的头像，原图下巴处有一圈光影，不处理的话，形成的词云图是左边的，用PPT修好后的是右图，看上去是不是清秀多了。
修图后的前后对比
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。
怎么样，以上操过很简单吧。其实这些不是关键，关键是如何获得词源和词的频度(size)。
进阶篇
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。
BigBang
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。
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。
全文完。另外词云图看多了也比较晕，这篇文章里就放得太多。
网友评论