经常做数据分析的人肯定不会对词云图感到陌生，尤其是近几年来非常流行，不管是发布会、行业报告还是新闻，都喜欢使用词云这种形式，将信息的关键词组成形象生动的图案，一下子就能抓住生人眼球，因为词云图这种可视化图表给人的第一印象就是足够装逼，足够亮眼！

罗振宇的跨年演讲中用到词云

但是词语云图的最大优点，其实并不是它的颜值，而是它能够能够直观地展示数据频率，对出现频率较高的关键词予以重点突出，从而过滤掉大量的文本信息，帮助我们进行数据分析。

而且，如果能够亲手做一个词云图，发到朋友圈里岂不是能够帅到没朋友？

网上有很多线上词云制作网站，但是基本上很难实现对数据的筛选和过滤，仅仅是有着好看的皮囊而已。对于数据分析人而言，还是要借助专业的分析工具，下面我就用Python和FineBI这两个常用的数据分析工具，分别实操一下如何制作炫酷又装逼的词云。

Pyhton

1、安装Python运行环境和套装

这个不必多说，推荐下载的套装是anaconda，做词云很好用。下载完毕后，配置好运营环境后，执行安装文件就行了。

2、准备数据

下面是我随便找了一篇英文文章，作为要进行词云制作的数据基础

我把其中的正文文字部分拷贝了下来，存储为一个文本文件，叫做yes-minister.txt，把这个文件挪动到我们的工作目录demo里，这样数据就准备好了。

3、开始做词云了

做词云的核心步骤只有两个——输入文本和呼唤词云包。

首先，在命令行下，输入：

jupyter notebook

浏览器会自动开启，并且显示如下界面——Jupyter的主页面，我们点击New按钮，选择Python 2选项。

然后就出现了一个空白的笔记本，供我们使用了。我们在网页里唯一的代码文本框里，输入以下3条语句，输入后，按Shift+Enter键，就可以执行了。

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

文本就出现了，然后我们呼唤(import)词云包，利用mytext中存储的文本内容来制造词云。

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

此时，制作词云最核心的两步就完成了。

4、调出词云，完成

输入下面4行语句：

%pylab inline
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation=\'bilinear\')
plt.axis(\"off\")

这样一个简单的词云图就做好了，想要将词云图做的更加美观，还需要调节各种参数，这里就不一一讲解了，感兴趣地可以自己慢慢去探索。

FineBI

相比于Python，用FineBI最大的好处就是不用编写代码，简单易用，毫无数据和编程基础的人都能够轻松做出好看的词云。

1、下载安装FineBI，准备数据

下载地址可以私聊我“FineBI”获得免费下载链接，为了方便起见，我这里就直接用FineBI自带的数据了。

2、组件设置

新建组件并选择样式数据业务包下的搜索词汇统计表，将待分析区域维度下的字段“搜索词”拖入横轴中，将指标下的字段“搜索次数”拖入纵轴中，在图表类型下选择词云图。

3、大小、文本、颜色的优化

选择该图表类型后，图形属性下形状自动切换为文字，维度字段被添加到文本中，指标字段添加到大小属性中

4、词云完成

总结

通过进行词云分析，我们可以看的出来哪些数据是出现频次最多的，我们的关注点是哪些。这次我演示做的词云也很简单，后续在研究研究让它更美观一些，精准一些。