词云制作没那么难，Python 10 行代码就实现了！_词云算法

代码块

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，互帮互助,
群里还有不错的视频学习教程和PDF电子书！
'''
import matplotlib.pyplot as plt

from wordcloud import WordCloud

import jieba

text_from_file_with_apath = open('/Users/hecom/23tips.txt').read()

wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all = True)

wl_space_split = " ".join(wordlist_after_jieba)

my_wordcloud = WordCloud().generate(wl_space_split)

plt.imshow(my_wordcloud)

plt.axis("off")

plt.show()

代码效果图：

下面咱们解析一下代码块：

1～3 行分别导入了画图的库，词云生成库和jieba的分词库；

4 行是读取本地的文件,代码中使用的文本是本公众号中的《老曹眼中研发管理二三事》。

5～6 行使用jieba进行分词，并对分词的结果以空格隔开；

7行对分词后的文本生成词云；

8～10行用pyplot展示词云图。

这是我喜欢python的一个原因吧，简洁明快。

当然，这只是一个简单得不能再简单得编程，实现的效果也非常简单

但是Python是一门开源的语言，这时候就体现出开源的特性了，任何人都能对一个项目加以修改，使项目不断的完善。

Github上有许多开源的项目，小编找到一个做词云的项目，链接如下：

https://github.com/amueller/word_cloud

咱们可以直接进入wordcloud.py 源码进行字体，词云效果进行修改。

源码解析：

wordcloud.py总共不过600行，其间有着大量的注释，读起来很方便。其中用到了较多的库，常见的random，os，sys，re（正则）和可爱的numpy，还采用了PIL绘图，估计一些人又会遇到安装PIL的那些坑.

生产词云的原理其实并不复杂，大体分成5步：

1. 对文本数据进行分词，也是众多NLP文本处理的第一步，对于wordcloud中的process_text（）方法，主要是停词的处理
2. 计算每个词在文本中出现的频率，生成一个哈希表。词频计算相当于各种分布式计算平台的第一案例wordcount， 和各种语 言的helloworld 程序具有相同的地位了，呵呵。
3. 根据词频的数值按比例生成一个图片的布局，类IntegralOccupancyMap是该词云的算法所在，是词云的数据可视化方式的核心。

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！