經常做數據分析的人肯定不會對詞雲圖感到陌生，尤其是近幾年來非常流行，不管是發佈會、行業報告還是新聞，都喜歡使用詞雲這種形式，將信息的關鍵詞組成形象生動的圖案，一下子就能抓住生人眼球，因爲詞雲圖這種可視化圖表給人的第一印象就是足夠裝逼，足夠亮眼！

羅振宇的跨年演講中用到詞雲

但是詞語云圖的最大優點，其實並不是它的顏值，而是它能夠能夠直觀地展示數據頻率，對出現頻率較高的關鍵詞予以重點突出，從而過濾掉大量的文本信息，幫助我們進行數據分析。

而且，如果能夠親手做一個詞雲圖，發到朋友圈裏豈不是能夠帥到沒朋友？

網上有很多線上詞雲製作網站，但是基本上很難實現對數據的篩選和過濾，僅僅是有着好看的皮囊而已。對於數據分析人而言，還是要藉助專業的分析工具，下面我就用Python和FineBI這兩個常用的數據分析工具，分別實操一下如何製作炫酷又裝逼的詞雲。

Pyhton

1、安裝Python運行環境和套裝

這個不必多說，推薦下載的套裝是anaconda，做詞雲很好用。下載完畢後，配置好運營環境後，執行安裝文件就行了。

2、準備數據

下面是我隨便找了一篇英文文章，作爲要進行詞雲製作的數據基礎：

我把其中的正文文字部分拷貝了下來，存儲爲一個文本文件，叫做yes-minister.txt，把這個文件挪動到我們的工作目錄demo裏，這樣數據就準備好了。

3、開始做詞雲了

做詞雲的核心步驟只有兩個——輸入文本和呼喚詞雲包。

首先，在命令行下，輸入：

jupyter notebook

瀏覽器會自動開啓，並且顯示如下界面——Jupyter的主頁面，我們點擊New按鈕，選擇Python 2選項。

然後就出現了一個空白的筆記本，供我們使用了。我們在網頁裏唯一的代碼文本框裏，輸入以下3條語句，輸入後，按Shift+Enter鍵，就可以執行了。

filename = "yes-minister.txt"with open(filename) as f: mytext = f.read()

顯示的結果如下圖所示。

文本就出現了，然後我們呼喚(import)詞雲包，利用mytext中存儲的文本內容來製造詞雲。

from wordcloud import WordCloudwordcloud = WordCloud().generate(mytext)

此時，製作詞雲最核心的兩步就完成了。

4、調出詞雲，完成

輸入下面4行語句：

%pylab inlineimport matplotlib.pyplot as pltplt.imshow(wordcloud, interpolation='bilinear')plt.axis("off")

運行結果如圖所示：

這樣一個簡單的詞雲圖就做好了，想要將詞雲圖做的更加美觀，還需要調節各種參數，這裏就不一一講解了，感興趣地可以自己慢慢去探索。

FineBI

相比於Python，用FineBI最大的好處就是不用編寫代碼，簡單易用，毫無數據和編程基礎的人都能夠輕鬆做出好看的詞雲。

1、下載安裝FineBI，準備數據

下載地址可以私聊我“FineBI”獲得免費下載鏈接，爲了方便起見，我這裏就直接用FineBI自帶的數據了。

2、組件設置

新建組件並選擇樣式數據業務包下的搜索詞彙統計表，將待分析區域維度下的字段“搜索詞”拖入橫軸中，將指標下的字段“搜索次數”拖入縱軸中，在圖表類型下選擇詞雲圖。

3、大小、文本、顏色的優化

選擇該圖表類型後，圖形屬性下形狀自動切換爲文字，維度字段被添加到文本中，指標字段添加到大小屬性中，如下圖：

4、詞雲完成

總結

通過進行詞雲分析，我們可以看的出來哪些數據是出現頻次最多的，我們的關注點是哪些。這次我演示做的詞雲也很簡單，後續在研究研究讓它更美觀一些，精準一些。

下載地址可以私聊我“FineBI”，獲得免費版下載鏈接！

相關文章