那些炫酷的词云图是怎么做出来的？

我们在上网冲浪的时候经常可以看到非常炫酷的词云图

比如这样：

这样：

再比如：

很多小伙伴会觉得，哇塞，好厉害的图！做起来是不是很难啊！

词云图，也就是文字云，是对文本中出现的频率较高的关键词予以视觉化的展示。其优点显而易见啦，可以使读者只要一眼扫过就可以领略文本的重要信息。词云图其实并不是很难，用python第三方模块很容易实现的。

下载第三方模块

主要用到的模块有wordcloud和jieba

wordcloud

这是生成词云展示的核心第三方库，以词语为基本单位，将词语进行可视化展示

wordcloud.WordCloud()代表一个文本岁对应的词云对象

通常，创建词云对象的时候可以配置的参数如下：

参数	描述
width	指定词云对象生成图片的宽度，默认400像素
height	指定词云对象生成图片的高度，默认200像素
min_font_size	指定词云中字体的最小字号，默认4号
max_font_size	指定词云中字体的最大字号，根据高度自动调节
font_step	指定词云中字体字号的步进间隔，默认为1
font_path	指定字体文件的路径，默认None
max_words	指定词云显示的最大单词数量，默认200
stop_words	指定词云的排除词列表，即不显示的单词列表
mask	指定词云形状，默认为长方形，需要引用imread()函数
background_color	指定词云图片的背景颜色，默认为黑色

jieba

在创建词云对象之前，我们要进行分词操作

jieba是一款很棒的Python第三方中文分词库

jieba分词算法

• 基于统计词典，构造前缀词典，基于前缀词典对句子进行切分，得到所有切分可能
  根据 切分位置，构造一个有向无环图（DAG）

• 基于DAG图，采用动态规划计算最大概率路径（最有可能的分词结果），根据最大概率路径分词

• 对于新词（词库中没有的词），采用有汉字成词能力的HMM模型进行切分

import jieba

content = "现如今，机器学习和深度学习带动人工智能飞速的发展，并在图片处理、语音识别领域取得巨大成功。"

seg_1 = jieba.cut(content,cut_all=False)
# print(seg_1)
print("/".join(seg_1))

• 全模式：将语句中所有可能是词的词语都切分出来，速度很快，但是存在冗余数据

seg_3 = jieba.cut(content,cut_all = True)
print("/".join(seg_3<