普通的词云图在Tableau中制作起来非常的容易，只需简单的操作就可以轻松搞定。
但是，相对于通过其他工具生成的词云图来说，就略显简陋了一些。
不过我们可以通过python生成词云图，再导入到tableau的方式制作一些进阶版的词云图。Tableau Zen Master——Alexander Varlamov在他的博客上就提供了相应的方法。
https://coolbluedata.com/custom-word-clouds-with-python-and-tableau/
我分析了一下他的代码，逻辑非常简单，我使用中文分词工具jieba对文本进行简单处理，也可以制作出中文版的词云图。
首先上代码
from wordcloud import WordCloud
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
import jieba
#读取文本
text=open('C:\\天龙八部.txt','rb').read()
#利用jieba库分词，将词用空格分开
wordlist=jieba.cut(text,cut_all=True)
wordlist= ' '.join(wordlist)
#自选一张背景图片
mask=np.array(Image.open('C:\\mask.jpg'))
WordCloud=WordCloud(font_path='Deng.ttf', #这里必需选择一个中文字库，不然显示不出中文
max_words=5000, #最大显示的词数
prefer_horizontal=.7, #词语横、竖显示的比例
colormap='Reds',
min_font_size=10,
max_font_size=70,
background_color='Black',
width=500,
height=500,
margin=2,
collocations=False,
mask=mask, #设置自定义的背景
repeat=False,
relative_scaling=0,
scale=1,
min_word_length=3,
include_numbers=False,
normalize_plurals=False,
font_step=1).generate(text=wordlist)
#输出词云表格
df=pd.DataFrame(WordCloud.layout_,columns=['Name','Size','Coord','Direction','Color'])
df.to_csv('C:\\output.csv',encoding='utf-8')
#显示词云图
plt.imshow(WordCloud,interpolation='bilinear')
plt.axis('off')
plt.show()
文中各种库的安装这里不累述，同时词云图里使用停止词屏蔽一些常见词语的功能，我也没用使用，这个大家可以自行百度。我用一张圆形的图片作为背景，运行结果如下：
下面我们用Tableau打开导出的文件。
通过自动拆分Name和Coord字段，获得姓名和Y、X字段。
原文也提供了新建计算字段的方式，不过自动拆分更简单。
由于输出的X、Y坐标点是词语左上角的坐标，所以这里必需转换才能得到词语中间位置的X、Y坐标值。
- 首先创建两个参数，用于对位置的微调
原文只创建了一个参数，我觉得用两个参数分别调整横、竖词语的位置更灵活一点。
创建计算字段
- X shift=
IF ISNULL([Direction]) THEN
[X]+ [参数 1]*[Size]/2* LEN([姓名])
ELSE [X]+ [参数 1]*[Size]/2
END
- Y Shift Horizontal=
IF ISNULL([Direction]) THEN
-[Y]- [参数 2]*[Size]/2
END
- Y Shift Vertical=
IF ISNULL([Direction])=False THEN
-[Y]- [参数 2]*[Size]/2* LEN([姓名])
END
计算字段的意思就是通过计算字符串的长度，调整X、Y坐标的位置。
- 将三个计算字段分别拖到行、列功能区，Y轴用双轴
- 将[Size]拖到标记栏的颜色和大小上
- 将[姓名]拖到标记栏的文本上
- 将[Y Shift Vertical]的文本选择方向为竖向
- 去掉不必要的线
其实这个词云图的本质就是散点图，只不过需要通过双轴的方式，分别将横、竖词语合并到一起。
最后我们需要根据代码中“width=500,height=500”两个参数的比例，在仪表板中调整工作表的大小，我这里的比例是1:1，另外需要调整一下两个参数，微调词语的位置，尽量保证不重叠。
大家发现了，我们并没有100%复现python中的词云图，这是因为Tableau本身的限制导致的，原文中也提到了。
我测试了一下min_font_size和max_font_size，文本最大值和最小值如果差距不是太大，保证python生成的词云图，不会出现图中像王语嫣和巴天石这样，词语覆盖的情况，效果会稍好一点。
所以这种方法并非完美，有兴趣的同学可以自己试一试。
