最常见原因是WordCloud默认过滤长度≤1的词，而中文未分词时被视作超长字符串遭丢弃；必须先用jieba分词再传入，且需指定中文字体路径（如simhei.ttf）和停用词集。
为什么生成的词云图是空白或只显示一个词
最常见原因是 WordCloud 默认会过滤掉长度 ≤ 1 的词（比如单个汉字、英文字符），而中文分词后若未显式处理，wordcloud 会把整段中文当做一个“词”来切——结果就是只生成一个超长字符串，被当作无效词丢弃，最终图为空。
必须先做中文分词，再传给 WordCloud。推荐用 jieba，不要直接传原始中文文本：
import jieba from wordcloud import WordCloud <p>text = "数据分析很重要 数据分析能提升效率" words = ' '.join(jieba.cut(text)) # → "数据 分析 很 重要 数据 分析 能 提升 效率" wc = WordCloud(font_path='simhei.ttf').generate(words)</p>
注意：font_path 必须指定支持中文的字体文件路径（如 simhei.ttf），否则中文显示为方块；Windows 下常见路径是 C:/Windows/Fonts/simhei.ttf，macOS 可用 /System/Library/Fonts/PingFang.ttc。
如何控制词频阈值和停用词过滤
WordCloud 内置停用词集对中文基本无效，必须手动传入 stopwords 参数；同时，min_word_length 和 max_words 直接影响哪些词进入可视化。
-
stopwords接收一个set或dict，键为词、值任意（如{'的': None, '了': 0}） -
min_word_length=2可保留“数据”“分析”，但过滤掉“我”“你”等单字高频虚词 -
max_words=100限制最多显示 100 个词，避免小词挤占空间 -
collocations=False关闭二元词组统计（默认开启，会把“机器学习”当新词，干扰单字/词频）
为什么词云图颜色单调或字体大小没差异
WordCloud 默认用 random_state 控制配色和布局随机性，不设的话每次运行颜色分布不同，且可能因词频拉不开差距导致字号趋同。
关键参数组合：
-
random_state=42固定随机种子，保证可复现 -
relative_scaling=0.5降低高频词与低频词字号差距（默认 0.5，设为 0 则所有词等大） -
colormap='viridis'换更平滑的配色方案（避免默认的jet在灰度下难区分） - 如果想按词性着色，需自行实现
color_func，不能依赖内置逻辑
保存高清图时出现锯齿或文字模糊
to_file() 默认输出 400×200 像素 PNG，远低于屏幕分辨率，放大后必然模糊。
必须显式设置 width、height 和 scale：
-
width=1920、height=1080适配主流屏显 -
scale=2在渲染时做两倍采样，再缩放回目标尺寸，显著提升文字边缘锐度 - 保存为
.png（非.jpg），避免压缩失真 - 若用于印刷，建议用
to_image().save('wc.png', dpi=300)配合 PIL 手动控制 DPI
复杂点在于：中文分词质量直接决定词云语义有效性，jieba 的 cut_for_search 比 cut 更细粒度，但可能拆出无意义片段；停用词表要结合具体语料手工增补，比如客服对话里“您好”“谢谢”得加进停用词——这些没法靠库自动解决。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
