数据专家（Datist）之词云图

标签云或文字云是关键词的视觉化描述，用于汇总用户生成的标签或一个网站的文字内容。标签一般是独立的词汇，常常按字母顺序排列，其重要程度又能通过改变字体大小或颜色来表现，所以标签云可以灵活地依照字序或热门程度来检索一个标签。 大多数标签本身就是超级链接，直接指向与标签相联的一系列条目。[1]

一、数据需求
词云图对数据源的需求比较简单，共有两列数据。一是文字列，存放标签文字；另一是数值列，表示标签文字的权重。

词云图数据需求及词图云节点
二、输出形状设置
数据专家中，目前支持两种词云图的形状设置方式。
一种是指定特定的形状，如circle（圆形）、 cardioid(心形)、diamond（菱形）、triangle（三角形）、triangle-forward（向右三角形）、pentagon（五边形）、star（星形）。

指定形状生成文字云
另一种是指定的遮盖图像。词云图对遮盖图像有特殊要求，为黑白色双色图，白色为底色。

遮盖图像生成文字云
值得注意的是，文字云绘制过程中，会根据报告浏览器的窗口宽高自动重绘图形。因而，当绘制的图形有变形时，可以尝试调整浏览器窗口的尺寸，以便于获得理想的图像效果。

三、获取词频数据
如果我们仅有文章或一段文字报告，怎么才能知道那些是关键词呢，又如何把它们转换成词云图所需的数据呢。数据专家中的词频节点可以帮助我们解决这个难题。

词云图数据准备
词云图数据准备过程主要包括三步：
一是，通过数据录入节点，将文章、报告文本引入数据专家中；
二是，使用词频统计节点，根据关键字典，采用双向最长匹配法，从大段文本中，统计出关键词及出现的频数。
三是，词云图主要是用来可视化表达高频关键字。因而，我们可以使用筛选类节点，筛选出出现频次比较高的关键字，以便于词云图进行绘图。注，大量的数据加载到词云图节点会降低绘制的效率，然而对最终绘制出图形却没有任何帮助。