本文首发于“生信补给站”公众号 绘图系列|R-wordcloud2包绘制词云
前段时间读完大刘的流浪地球,本来想着写点东西... 结果“懒癌”了,今天就先弄个词云凑合吧( ╯□╰ )。
词云首先需要将下载好的“流浪地球”的文本文件读入R,然后使用jieba包对文本进行分词,然后绘制词云。
一 数据准备
载入所需的R包,准备好流浪地球的txt格式的文本文件。
library(jiebaRD) library(jiebaR) library(wordcloud2)
二 分词,统计词频
使用jieba包对文本进行分词。
engine = worker() segment("流浪地球.txt",engine) data <- scan('流浪地球.segment.2019-04-09_22_36_54.txt',sep='\n',what='',encoding="UTF-8") data2 <- freq(data) data2 <- qseg[data] data.words <- data2 head(data.words)
三 去掉停词
过滤掉类似“的”,“你”,“我们”等类似的无意义的停词,并可根据自己需要设置词频的个数。
#过滤掉1个字的词 data.words <- subset(data.words, nchar(as.character(data.words))>1) #过滤停词 stop=read.table(file=file.choose(),colClasses="character") stopwords=c(NULL) for(i in 1:dim(stop)[1]){ stopwords=c(stopwords,stop[i,1]) } for(j in 1:length(stopwords)){ data.words <- subset(data.words,data.words!=stopwords[j]) }
四 统计词频
4.1 统计词频
data.freq <- table(unlist(data.words)) data.freq <- rev(sort(data.freq)) data.freq <- data.frame(word=names(data.freq), freq=data.freq)
4.2 根据需要过滤频次
#按词频过滤词,过滤掉只出现过一次的词,这里可以根据需要调整过滤的词频数 data.freq=subset(data.freq, data.freq$freq.Freq>=2) head(data.freq) word freq.Var1 freq.Freq 1 地球 地球 164 2 太阳 太阳 95 3 发动机 发动机 60 4 人类 人类 35 5 地面 地面 30 6 木星 木星 28
五 绘制词云
5.1 图形设定为“star”
wordcloud2(data.freq[,2:3],color = "random-light", backgroundColor = "grey",shape = 'star')
5.2 汉字图形展示
letterCloud(data.freq[,2:3],word="地球",size = 2)
5.3 指定图形
指定的背景图需要在R包的example文件夹中,本例为微信的开机图,然而不像,,,鬼知道咋回事啊。
world = system.file("examples/download1.jpg",package = "wordcloud2") wordcloud2(data.freq[,2:3], figPath = world, size = 1,color = "black")
OK,词云绘制完毕。
你确定你不想看看你喜欢的书,杂志,都主要是说的些什么?
你确定你不想看看唐诗三百首,都主要是用的哪些词?
你确定你不想看看四六级,考研英语,都主要有哪些高频词汇,不是省了买本书?
你确定你不想看看各种影评,弹幕都是吐槽或者感概的啥?