词云，就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。
说实在的就是一张图片，包含各种词汇，而词汇的大小根据出现的出现的频率决定的。这张图就是我根据爬取微信公众号近3w篇文章的标题，进行分词后，生成的一张词云。
如果自己制作这张图感觉不从下手，但是有了Python在，简直分分钟的事。首先我们安装wordcloud这个生成词云的库，以及中文分词的库jieba，然后导入绘图的库matplotlib
pip install wordcloud
pip install jieba
pip install matplotlib然后代码说话：
1 | import matplotlib.pyplot as plt |
2 | import jieba.analyse |
3 | from wordcloud import WordCloud |
4 | |
5 | def image(top): #词云中词汇个数 |
6 | articles = WechatArticle.query.with_entities(WechatArticle.title).all() #获取title数据 |
7 | text = ','.join([i.title for i in articles]) #进行数据拼接 |
8 | result = jieba.analyse.textrank(text,topK=int(top),withWeight=True) #进行中文分词，并根据传入的词汇个数，产生多少个词汇，并返回各个词汇的比重。 |
9 | keywords = dict() |
10 | for i in result: |
11 | keywords[i[0]] = i[1] #生成字典，{'keyword':weight} |
12 | wc = WordCloud(font_path='./utils/captcha/simhei.ttf',max_words=int(top), width=805, height=304) #实例词云,传入字体路径，最大的词汇数，以及词云的宽高，这里的话如果不传入字体的话，找不到字体，就会出现框框的情况。 |
13 | wc.generate_from_frequencies(keywords) #传入关键字 |
14 | plt.imshow(wc) #进行绘图 |
15 | plt.axis("off") #去除X轴 |
16 | wc.to_file('./static/front/img/dream.png') #保存图片 |
一番操作后，就能生成上面的词云了，其实在词云生成的样式也可以变化的，可以生成这样的也就需要加个中国地图的背景图片。
有需要，但是不懂的代码的小伙伴，可以私信我，免费帮忙哦，么么哒。