在数据行业深耕细作很多年，反复的从前端 UI 做到中间服务层，最后连数据库存储也没有放过，至今也一直被数据库以及数据库应用架构深深吸引着。
在之前面试很多数据岗位的时候，反复被面试官质疑的问题是，“你到底是喜欢做 ETL, 数据模型，还是数据可视化？”
其实这个问题在我看来一点都没水准。做数据行业的，哪能说自己特别偏科某一项呢，不都是动脑子的事情嘛，那么多精彩的技术，引人入胜的问题，不都全部自己来做一遍，岂不可惜。
别让贫乏无味的工作，限制了自己的想象力，嗯！
写了多年的 CSDN 博客，有了近 30W+ 的访问量。这俩天突然想爬一边，到底哪些文章，哪些技术，大家是感兴趣的？遂有了以下的故事。
Python 作为万金油，渗透到了计算机软件的各个领域，在每个可插入的细缝中都来了这么一脚，尤其在数据分析领域，可以说“人生苦短，快用 Python”. 快速开一个爬虫，爬取简单的网站（CSDN 不简单，嘿嘿，给孟岩留点面子），也就是那么 3-5 个小时就能搞定的事情。将结果存到 MySQL 里面。
简单的筛选出浏览量大于 1K+ 的帖子，对其做词频统计，放入词云工具做分析。文本挖掘，似乎也就词频有些看头，有了词频才能延伸出做关联推荐。
试了知乎上高票的词云工具。 时间是个有效的筛选器，帮我们把很多优秀的产品给提炼出来了。那么多的工具，最终能看的上眼的（基于可视化有效性，上手的易用性判断），花了一小时，能用的有三个：
图悦：
非常非常快捷可以用的词云工具。简单到令你发指，只要你贴入你的文本，就立马展现出属于你的定制词云。如果对水印，精美度没有特别的要求，这款就够用了。在使用的过程中，差强人意的是对中英文混合的文章，会直接略去英文，如下图：
BlueMc:
蓝色光标。 这公司提供的词云工具，异常强大（他的老板也很强大，很情怀！）作为个人，我们可以申请免费试用他的产品。这款工具就支持中英混合了。好东西就需要磨，此工具会在生成词云之前，告诉你需要等待，很贴心吧。生成的效果图，默认的色系很温暖，我推断产品经理是位有品的MM。
R：
没错，就是分析利器，和 SAS 分庭抗礼的大 R! 此处应该有掌声，也欢迎来赏一把小编我！看完下文，你也可以生成一样的词云图，还是 R 版的，效果完全可以自控。改装跑车与驾驶奔驰的乐趣，有天壤之别。
使用 R 制作词云的步骤：
1 分词
2 词频统计
3 出图
- 分词：
有各种分词算法，有公开的包，也有私人的包可以使用，像 JiebaR 的包就很好用，对中文支持程度也高。而有个 qseg 对中文的支持貌似不好，调了很长时间也没搞定。
JieBaR 在 Github 有分支，文档也写的很干净：http://qinwenfeng.com/jiebaR/
install.packages(“jiebaR”)
library(jiebaR)
mySeg=worker()
mySeg$bylines = FALSE
texts = readLines(“G:\SideProjects\all_titles.txt”,encoding=”UTF-8”)
newSegResult = segment(texts,mySeg)
merged =sapply(newSegResult,function(x){ paste(x,collapse =” “) } )
注：先引入包 jiebaR, 再实例化 segment，对文本进行分割与合并
2 词频统计：
使用 freq 将分词合并结果做统计，只有统计好的计算结果，才能被词云可视化程序，识别并展现
freq(merged)
注：freq 就是分词词频的统计
3 出图：
wordcloud2 : https://github.com/lchiffon/wordcloud2
首先要安装 devtools 库
library(devtools)
devtools::install_github(“lchiffon/wordcloud2”)
wordcloud2(freq(merged),size = 1, shape=’star’)
相比较 R 更强大，适应性更强，兼容各种语言，还能设定过滤词（像“的”这个字其实通过配置，是可以过滤掉的）
欢迎关注微信公众号【有关SQL】，入群讨论技术
