wordcloud 默认按空格分词，中文需先用 jieba 分词并拼接为空格字符串；必须指定支持中文的 font_path，否则显示方块；停用词需预处理；可直接用 generate_from_frequencies 传词频字典。
WordCloud 默认只认空格分词，中文文本直接喂进去会变成单字云，不是你要的“词语”云。
中文文本必须先分词，不能直接传 raw_text 给 WordCloud
Python 的 WordCloud 底层用空格切词，对中文无效。直接传一段中文，它会把每个汉字当一个“词”，导致云图全是单字、毫无语义。
- 正确做法：先用
jieba（或其他分词库）切出词语，再拼成空格分隔的字符串 - 别用
jieba.lcut(text)后直接传列表——WordCloud只接受字符串 - 推荐用
" ".join(jieba.lcut(text))，确保词间是英文空格，不是全角空格或换行 - 停用词要提前过滤，否则“的”“了”“在”会霸屏——
WordCloud的stopwords参数只过滤完全匹配，不支持正则或部分匹配
font_path 必须指定，否则中文显示为方块
默认字体不支持中文，所有汉字渲染成 □。这不是编码问题，是字体缺失。
- Windows 下常用：
font_path="simhei.ttf"（黑体），路径需存在，建议用绝对路径或matplotlib.font_manager.findfont查找 - macOS 可试：
font_path="/System/Library/Fonts/PingFang.ttc" - Linux 一般装
fonts-wqy-zenhei包，路径类似/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc - 没配对就报
OSError: cannot open resource，不是代码错，是路径或权限问题
词频数据可绕过分词，直接用 generate_from_frequencies()
如果你已有清洗好的词频字典（比如 {"人工智能": 128, "模型": 94}），不用走分词流程。
- 直接调
wc.generate_from_frequencies(word_freq_dict) - 注意键必须是字符串，值必须是数字（int/float），不能是
Counter对象本身，得转成 dict - 此时
font_path和stopwords仍需设置，但max_words、collocations等分词相关参数无效 - 比
generate()更可控，适合从 pandasvalue_counts()或 TF-IDF 输出直接对接
最常被跳过的细节：mask 图像必须是灰度图（L 模式）或单通道 numpy array，RGB 图扔进去不会报错但形状全乱；另外，词频极低的词哪怕没进 max_words 也会被裁掉——这不是 bug，是设计如此。
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！
