前言
词云图顾名思义就是把文本中的单词制作成图片的形式，其中单词出现的频率越高，那么相应的在图片中所占的面积就大，如何制作词云图呢，首先获取文本的内容，通过分词解析单词出现的频率，然后生成对应的词云图
- pyecharts环境以及相关模块的安装
- 词云图的绘制
- 关于词云图的一些看法
pyecharts环境的安装
作者的python版本是2.7，由于pyecharts的1.0版本以上不再支持python2.7，所以我们使用的pyecharts是0.5.11这个版本，通过pip命令进行pyecharts的下载安装
pip install pyecharts==0.5.11安装好pyecharts之后，我们还需要进行jieba的安装，通过jieba这个模块进行分词
pip install jieba注：pyecharts自带的WordCloud可以制作网页版的词云图
词云图的绘制
pyecharts中的WordCloud这个类主要用于词云图的生成
首先获取制作词云图的文本文档，作者采用之前写过的一篇文章《使用python绘制中国地图》作为数据源，通过jieba进行分词和频率统计，通过open函数将文章内容放到comment变量中，jieba进行分词，然后将统计的词频存放到wordCount这个字典中，将字典中的k,v值分别提取出来放到name和value这两个list中作为参数传给词云图
wordcloud的add方法中的name和value分别是两个list，表示属性名称和属性对应的值。其中shape表示的是词云图的形状，word_gap表示单词间隔，默认为 20，word_size_range表示单词字体大小范围，默认为 [12, 60]，rotate_step表示旋转单词的角度，默认为 45
注：词云图轮廓，有'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star'可选，当且仅当 shape 为默认的'circle'时 rotate_step 参数才生效
关于词云图的一些看法
词云图通过对单词权重不同的表示，其实权重就是单词在文本中出现的频率，来绘制单词不同面积占比的图片，可以达到良好的视觉效果，无效的信息由于出现的频率可能比较低，所以可以有效的过滤。而重点的信息由于出现频率高，可以非常直观的从词云图中看出来。词云图可以从不同的维度，比如单词的内容，单词的频率以及单词的颜色等方面来展示数据，当做一些营销热点信息或者新闻类的内容等领域展示的时候，用词云图来做数据信息的分析还是很高效方便的
欢迎关注桓艺恒，一起探讨交流有关python的技术领域
