自从开始从事数据可视化工作以来，就深深地爱上了它。总是喜欢从数据中提取有用的见解。在此之前，只知道一些基本的图表，比如条形图、散点图、直方图等，这些图表在Tableau和Power BI等数据可视化工具中是内置的。通过每天的工作，接触到了许多新的图表类型，比如径向仪表盘图、华夫图等。
最近，出于好奇，在寻找数据可视化中使用的所有图表类型时，一个词云吸引了注意，发现它非常有趣。直到现在，看到这些词云图像，一直以为它们只是随机的图像，其中的文字是随机排列的，但错了，这就是一切的开始。之后，尝试在Tableau和Power BI中仅使用少量数据制作词云。成功尝试之后，想尝试用代码制作词云，就像制作条形图、饼图和其他图表一样。
定义：词云是一种简单但强大的文本处理视觉表示对象，它以更大、更粗的字母显示最频繁的单词，并使用不同的颜色。单词的大小越小，它的重要性就越低。
1) 社交媒体上的热门标签（Instagram、Twitter）：在全球范围内，社交媒体正流行于获取最新更新，因此可以从中获取人们在帖子中使用的最常用标签。
2) 媒体中的热门话题：通过分析新闻文章，可以找到标题中的关键词，并提取出最热门话题，以获得所需的结果，即最热门媒体话题。
3) 电子商务中的搜索词：在电子商务购物网站上，店主可以制作搜索最多的购物项目的词云。这样他就可以了解在特定时期哪些购物项目需求量很大。
首先，需要在Jupyter笔记本中安装所有库。在Python中，有一个内置的词云库，将安装它。在Anaconda命令提示符中输入以下代码：
pip install wordcloud
如果Anaconda环境支持conda，则输入：
conda install wordcloud
尽管这可以直接在笔记本本身中实现，只需在代码前添加‘!’即可，如下所示：
!pip install wordcloud
现在，将生成任何主题的维基百科文本的词云。因此，需要一个维基百科库来访问维基百科API，这可以通过在Anaconda命令提示符中安装Wikipedia来实现，如下所示：
pip install wikipedia
现在还需要一些其他的库，它们是numpy、matplotlib和pandas。
到目前为止，已经拥有了创建标签云的所有库。
上面的图片是通过检索维基百科上的机器学习页面获得的输出。在那里，还可以看到滚动条，这意味着整个页面都被检索到了。
在这里，还可以通过summary方法获得页面的摘要，如下所示：
result = wikipedia.summary("MachineLearning", sentences=5)
print(result)
在这里，有一个句子参数，所以可以使用它来检索特定数量的行。
5个句子的输出
现在让拥有词云
from wordcloud import WordCloud, StopWords
import matplotlib.pyplot as plt
def plot_cloud(wordcloud):
plt.figure(figsize=(10, 10))
plt.imshow(wordcloud)
plt.axis("off");
wordcloud = WordCloud(width = 500, height = 500, background_color='pink', random_state=10).generate(final_result)
plot_cloud(wordcloud)
停用词是没有意义的词，比如‘is’、‘are’、‘an’、‘I’等。词云自带了一个停用词库，会自动从文本中移除停用词。但有趣的是，可以通过stopwords.add()函数在Python中添加选择的停用词。
词云方法会有宽度和高度设置，将两者都设置为500，背景颜色为粉色。如果不添加一个随机状态，那么每次运行代码时，词云看起来都会不同。它应该设置为一个整数值。
这是从上述代码中获得的期望词云：通过查看上面的图表，可以看到机器学习是最常用的词，还有其他一些经常使用的词是模型、任务、训练、数据。因此，可以得出结论，机器学习是训练数据模型的任务。
还可以通过background_color方法改变背景颜色，通过colormap方法改变字体颜色，并且还可以在background_color中添加颜色的哈希码，但mapcolor自带了特定的颜色。
from wordcloud import WordCloud, StopWords
import matplotlib.pyplot as plt
def plot_cloud(wordcloud):
plt.figure(figsize=(10, 10))
plt.imshow(wordcloud)
plt.axis("off");
wordcloud = WordCloud(width = 500, height = 500, background_color='#40E0D0', colormap="ocean", random_state=10).generate(final_result)
plot_cloud(wordcloud)