大前天我們通過Python網路爬蟲對朋友圈的資料進行了抓取，感興趣的朋友可以點選進行檢視，如何利用Python網路爬蟲抓取微信朋友圈的動態（上）和如何利用Python網路爬蟲爬取微信朋友圈動態——附程式碼（下）。今天小編帶大家通過詞雲去將其進行視覺化，具體的教程如下。
1、在Python中做詞雲，需要用到wordcloud庫和jieba分詞庫，沒有安裝的夥伴可以直接pip安裝即可。
2、之後你可能還需要一些字型，如simhei.ttf等，這些字型在網上都有，可以直接進行下載，在做詞雲的時候會用得到，如下圖所示。
3、在items.py的同級目錄下建立analyse.py檔案，定義analyse_words方法，用於實現詞雲視覺化，jieba.cut用於得到分詞結果，具體的程式碼實現，如下圖所示。因為得到的moment.json資料是以JSON格式儲存的，所以需要在該檔案中匯入JSON模組對其進行解析。
這個地方需要注意一下，由於我們的memoent.json檔案中是中文字元，如果在open()函式中沒有加入encoding=’utf-8’的話會導致gbk編碼錯誤，記得將編碼加上即可。
4、之後執行程式，得到keys.png圖片檔案，程式執行的效果如下圖所示。可以看到keys.png已經在items.py目錄下了。
5、雙擊keys.png，如下圖所示。
6、不得不承認，這個詞雲圖片內容確實豐富，不過也十分的醜。小編利用wordart（一個詞雲網站）將朋友圈資料進行更加美化的視覺化。
7、比方說用動物的圖案進行視覺化，效果圖如下圖所示。
8、如果直接將資料進行匯入的話，wordart會直接將整段話進行視覺化，這樣顯得十分冗餘，看上去也不太友好，因此還需要通過Python對資料進行分頻統計，之後再匯入到wordart中就可以看到想要的效果了。首先，我們需要對json檔案進行處理一下，將文字全部匯出來，形成一個moment.txt檔案。內容如下圖所示。
9、編寫程式碼，將文字進行分詞，程式碼實現如下所示。
10、程式執行完成之後，得到的moment_outputs.txt檔案，內容如下圖所示，可以很清楚的看到分詞情況。紅色部分是程式執行的過程。
11、繼續編寫程式碼，將詞頻進行統計彙總，程式碼實現如下圖所示。
12、程式執行之後，得到一個txt和Excel檔案，裡邊是關於詞頻統計的資訊，如下圖所示。紅色部分是程式執行的結果，並沒有報錯。
13、將這些關鍵字匯入到wordart中進行視覺化，如下圖所示。
14、設定一下圖案、字型、排版、顏色等等，就可以生成絢麗的詞雲圖了，下圖是汪星人詞雲圖。
15、下圖是小云朵詞雲圖，可以給視覺帶來一場饕餮盛宴。
小夥伴們，你們有沒有覺得很神奇呢？喜歡的話歡迎收藏和轉載噢~~