1
前几年大数据很火的时候，只要一搜索大数据就会看到“关键词云图”，也就是下面这个样子的图片：
2
看起来逼格挺高的，也蛮好看的。所以一直想知道怎么做，然后尝试了用R语言做，发现这么复杂啊，就没有一个简单的办法吗？
然后搜了搜，发现还真有，而且比用程序生成还简单，还好看。
所以今天就分享一下：
生成关键词云图的网站与使用方法！
3
网站叫 WordArt ，名字很契合功能：
网址 ： https://wordart.com
首先熟悉一下操作环境：
左边是设置栏，右边是生成预览，当然每次修改相关条件后要点击红色的按钮Visualize去更新。
**4 **
设置栏有很多选项，一一解读一下：
WORDS ：这个毫无疑问就是要添加你要展示的关键词，你可以一个一个的输入（如果不多的话，不限制，一个关键词也可以，就是不停的重复一个），也可以选择导入Import（导入的话就相当于把你准备好的关键词复制进去）。注：锤子科技设计的软件“大爆炸”很适合在大量文字里提取关键词，可以结合一下试试。
5
SHAPES ：也就是设计你要生成的云图的形状，里面有很多自带的素材，当然也可以自己添加图片，比如你想把云图做成乔布斯的样子，你就可以把乔布斯的照片导入，然后关键词就会组成乔布斯的轮廓。
6
FONTS ：也就是字体，目前自带的字体都是英文的，所以要想显示中文云图，就要添加中文字体，所以还是很简便的，如果没有中文字体的话，会自动默认英文字体，中文可能无法显示出来，就跟乱码一样的！
7
LAYOUT ：布局指的是文字的样式选项，可以单纯的水平显示，也可以垂直，还可以立体式的，基本上垂直水平的显示模式就不错了，立体的有时候感觉怪怪的，不过还是看您个人的选择。
也可以自己设置关键词的数量，多的话就会密集，显的小，可以不断调整。
8
STYLE ：关于样式，有几个选项，基本上自动选项就已经足够了，但是如果个人添加的图片SHAPES之类的，建议手动调一下，总能令您满意的。背景色，文字颜色等也都可以调整。
上图是自动生成的云图，是个大熊猫。挺好看的，
这是导入了娃儿子旅行的照片后生成的关键词云图！
最后 ：
有了WORDART这个工具后，就不需要学什么R程序了，工具给人方便，我就推荐工具，喜欢的收藏起来，推荐给更多有需要的人。
Ian Fellows与2014-06-13公布了wordcloud包，之前我用wordcloud包写了一篇关于文本可视化的博客。这里就不再多说了。就在今年2016-07-25，Dawei Lang发布了wordcloud2，它是wordcloud的一个升级版。不信咱们就看看。我们可以用这个包画出个性化词云图。这个包里面包含了两个数据集，demoFreqC和demoFreq，前者是一些中文数据，后者是一些英文数据。这两个数据都包含了两个变量，一个是文本，另一个是文本的数量。大家可以使用str()函数来查看数据的详细信息。这个表主要有两个函数letterCloud和wordcloud2。
qq怎么弄关键字云图第三方词云工具固然方便，但是使用起来也是各种问题（如中文乱码、词云形状、字体颜色调整等等）。我和大家分享一下如何使用 R 语言的 jiebaR 和 wordcloud2 扩展包来完成中文文本（英文当然不在话下）的分词，并且绘制关键词词云。
0.前期准备
准备1：安装 R ，你可以前往 The Comprehensive R Archive Network 下载并安装程序。
准备2：把你需要分词的文本放在一个 txt 文件中（强调：务必是 txt 格式！）。（你可以使用爬虫获取这部分文本，或者手动复制粘贴得到文本信息）
1.中文分词
分词是绘制词云的基础，说得简单一点就是将中文文本分割成一个个词汇。举个例子，我们现在按照XX算法对句子“ 对公司相关运营数据进行提取、多维度分析和整理”进行分词，得到如下结果：
对、公司、相关、运营数据、进行提取、多维度、分析、和、整理
只有进行了分词，才可以进行词云的绘制；如果你已经完成了这一步，并且统计出了每一个词汇的频数，可以直接略过这一步。
我们用 R语言的 jiebaR 包实现上述操作，如下：
1）安装并加载 jiebaR 包
install.packages（"jiebaR") library(jiebaR)
2）导入原始文本
f<-scan('/Users/XXX/Desktop/数据运营JD.txt',sep='\n',what='',encoding="UTF-8")
需要注意的是 /Users/XXX/Desktop/数据运营JD.txt 应该是你的txt文件的路径，不要直接copy。
3）开始分词
分词有很多种算法，其原理不是我们要关注的重点
seg<-qseg[f]
4）分词处理
因为分词出来可能会有很多常见的词汇，但是没啥用的，比如“的”、“是”、“什么”一类的。我们需要将这个词汇屏蔽掉。同时特别长的词汇这里我们也不要。
我的做法是将字符数控制在3-16之间，也就是最多4个汉字(1个汉字=4个字符)，最少3个英文。
seg<-seg[nchar(seg)>2]
seg<-seg[nchar(seg)<17]
seg
这个时候分词结果，也就是 seg 可以显示在你的R程序上，如下图所示：
5）对分词进行转置
为了方便后面的处理，我们需要对 seg 进行一次转置（把横着放变成竖着放）
m1<-data.frame(seg)
2.统计词频
完成分词后，你需要统计每一个词出现的频数，比如“ 数据分析 10 ”这样的。
1）加载 sqldf 包
install.packages("sqldf")
library(sqldf)
2）统计词频
