词云：
“词云”这个概念由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登（Rich Gordon）于近日提出。戈登做过编辑、记者，曾担任迈阿密先驱报（Miami Herald）新媒体版的主任。他一直很关注网络内容发布的最新形式——即那些只有互联网可以采用而报纸、广播、电视等其它媒体都望尘莫及的传播方式。通常，这些最新的、最适合网络的传播方式，也是最好的传播方式。 因此，“词云”就是通过形成“关键词云层”或“关键词渲染”，对网络文本中出现频率较高的“关键词”的视觉上的突出。
词云图过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。
在之前通过爬虫获得新冠肺炎数据之后，使用词云来直观反映哪些地区的疫情较严重。（字越大反映越严重）
第一步：读取Excel数据
import openpyxl wb = openpyxl.load_workbook(\'data.xlsx\')
第二步：过滤数据并且获得国内疫情数据的地点与确诊人数数据
ws = wb[\'国内疫情\']
frequency_in = {}
for row in ws.values:
if row[0] == \'省份\':
pass
else:
frequency_in[row[0]] = float(row[1])
第三步：词云
from wordcloud import WordCloud
#中文隶书
wordcloud = WordCloud(font_path=\'C:/Windows/Fonts/SIMLI.TTF\',
background_color="white",
width=1920,height=1080)
其中使用C:/Windows/Fonts/SIMLI.TTF表示中文隶书的表示方式，也可以使用其他的表示方式。
第四步：构建词云
#数据确诊病例生成词云 wordcloud.generate_from_frequencies(frequency_in) #保存词云 wordcloud.to_file(\'wordcloud_in.png\')
国内疫情词云结果：
接下来绘制国外的词云：
首先从不同的sheet里获取数据：
frequency_out = {}
sheet_name = wb.sheetnames
for each in sheet_name:
if "洲" in each:
ws = wb[each]
for row in ws.values:
if row[0] == \'国家\':
pass
else:
frequency_out[row[0]] = float(row[1])
接下来绘制词云：
#数据确诊病例生成词云 wordcloud.generate_from_frequencies(frequency_out) #保存词云 wordcloud.to_file(\'wordcloud_out.png\')
结果展示：
本次内容参考自：
https://www.jianshu.com/p/5c8b67037a4e
https://www.bilibili.com/video/bv1X54y1R7cu
