词云图是一种用来展现高频关键词的可视化表达，通过文字、色彩、图形的搭配，产生有冲击力地视觉效果，而且能够传达有价值的信息。
制作词云图的网站有很多，简单方便，适合小批量操作。
BI软件如Tableau、PowerBI也可以做，当然相比较web网站复杂一点。
在编程方面，JavaScript是制作词云图的第一选择，像D3、echarts都非常优秀。
python也有不少可视化库能制作词云图，这次我们尝试使用pyecharts。
先上效果图：
pyecharts是基于echarts的python库，能够绘制多种交互式图表。
这次使用的pyecharts版本是1.7.1，python版本是3.6。
pyecharts提供了多种个性化配置方案，可以按需选择。
和其他可视化库不一样，pyecharts支持链式调用。
也就是说添加图表元素、修改图表配置，只需要简单的调用组件即可。
下面来个示例：
生成词云图：
为了更好地展示pyecharts的词云可视化效果，我找了淘宝商品评论数据集，更贴近应用场景。
代码的流程主要是：数据加载、分词处理、词频统计、词云展示。
数据集共有10 个商品类别（书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店）。
共 6 万多条评论数据，正、负向评论各约 3 万条。
我们要用的就是字段review评论数据，代码分模块实现不同功能。
首先导入相关库：
接着加载数据，提取文本：
因为评论数据是一段段完整的话，所以要进行词云展示的话肯定得先分词。
这里用的分词库是jieba，而且添加了停用词库，目的是去除符号、副词等无意义词汇。
分完词后，需要对词进行频数统计，这里用到collection模块的Counter方法。
然后筛选出词频数排名前1000的词汇，你也可以自行调整。
最后一步使用wordcloud模块对整理好的数据进行可视化展示。
上面代码里的背景图可以自己选择，最好是大轮廓的图，因为细节展示不出来。
几个处理函数都写好了，下面来执行结果：
提醒一下，main函数的两个参数，分别是商品类型和评价类型，你可以自定义组合，然后就会生成该组合的词云图。
用购物车背景图展示手机+好评组合的词云图：
用淘宝背景图展示计算机+好评组合的背景图：
用浴缸背景图展示酒店+差评组合的背景图：
用书本背景图展示书籍+好评组合的背景图：
这里的展示仅仅为了教大家如何去使用pyecharts制作词云，真正的商业用途上需要更加清晰简洁的表达，在设计层面也要更多的考量。
Ps：六年大数据从业经验。有任何数据分析、Python编程、求职问题欢迎来提问哦！
