2021-05-23

R制作词云图（玩票性质）

首先，我们得把以下几个包给安装：jiebaRD和jiebaR（中文分词用）、wordcloud和wordcloud2（制作词云）

安装好之后，就可以开始了。

library(jiebaRD)
library(jiebaR)
library(wordcloud2)
library(wordcloud)

然后我们利用jiebaR包里的segement函数进行分词，segement用法如下：

segment(code,jieba)
#code是文件的内容，jieba是用来分词的工具

分词工具的输入：

engine = worker()

到此时位置的代码应该是

library(jiebaRD)
library(jiebaR)
library(wordcloud2)

engine <- worker()      #固定语句


segment("td.txt",engine)    #输入你要分析的文本，获得下一步“”的内容

这里的文档我用的《遥远的救世主》这本书的TXT文件（即“td.txt”）

ctrl+enter后会得出一个新的，已经分好的txt文件，我们再将其导入R就可：

> segment("td.txt",engine)
[1] "td.segment.2021-05-23_22_21_12.txt"
> word <- scan("td.segment.2021-05-23_22_21_12.txt",sep='\n',what='',encoding="UTF-8")
Read 1 item

之后进行计算词频：

word <- qseg[word] 
word <- freq(word)

这里补充下：做词云图，关键是要做如下几步，一是把词给分好。因为现实生活中基本没有分好词和词频的文件，所以需要我们自己动手进行分。二是将文件的的词的频率计算出来。三是将无意义的符号给去除掉（下文会讲2个处理方法）。

此时结果如下：

接下来就可以使用wordcloud2了。其函数是：

wordcloud2(file,color = 颜色, backgroundColor = 颜色,shape='形状')

代入这个例子就是：

wordcloud2(word, backgroundColor = "grey",shape = "star") 

图像是（dim后有20310个项，电脑不行，所以没让图没跑完）

 

关于这个词云的形状，我们可以选择不同的其他形状。如默认是‘circle’（圆形），‘cardioid’（苹果形或心形），‘star’（星形），‘diamond’（钻石），‘triangle-forward’（三角形），‘triangle’（三角形），‘pentagon’（五边形）等等。

我们也可以使用lettercloud函数，使得词云图呈现出字母的形状

letterCloud(demoFreq,"R")

还有也可以用自己的图片来生成一个定义好形状的词云。不过这个我还不会，嘿嘿，等以后在说吧。

此时的代码如此：

library(jiebaRD)
library(jiebaR)
library(wordcloud2)

engine <- worker()      #固定语句


segment("td.txt",engine)    #输入你要分析的文本，获得下一步“”的内容

word <- scan("td.segment.2021-05-23_22_21_12.txt",sep='\n',what='',encoding="UTF-8") 

word <- qseg[word] 
word <- freq(word)

wordcloud2(word, backgroundColor = "grey",shape = "star")  
# wordcloud2(file,color = 颜色, backgroundColor = 颜色,shape='形状')

最后我们回来审视下过程，我们会发现我们的词云图太冗长，里面包罗万象，有很多词频很小（比如1）的词也包含在内。这一方面影响运行速度和美观，也影响我们的分析的结果。

为此我们需要使用到停词。

停词，比如说“的”，“它”，“你”等等。解决这种问题的手段就我会的有2种。一是是通过手动增加停词的文件，或是引用其他人已经做好的停词文件。二是直接通过Excel解决的，因为这里的停词是清晰可见的，而且数量较少，备份一下，然后手动删除，利用vlookup函数或是排序后，手动删除。

如果采用第一种的话，可以通过worker（）函数里的stop_word参数进行清除。我们将需要删除的停用词放在stopwords.txt文件中。

然后把engine这步换成如下：

engine <- worker(stop_word = 'stopwords.txt') 

这样就可以清除一些不必要的词语了，会是词云图简洁明了更有用。

使用停词后的总代码如下：

library(jiebaRD)
library(jiebaR)
library(wordcloud2)

engine <- worker(stop_word = 'stopwords.txt')    #结合停用词

segment("td.txt",engine)    #输入你要分析的文本，获得下一步“”的内容

word <- scan("td.segment.2021-05-23_22_21_12.txt",sep='\n',what='',encoding="UTF-8") 

word <- qseg[word] 
word <- freq(word)

wordcloud2(word, backgroundColor = "grey",shape = "star")
#wordcloud2(file,color = 颜色, backgroundColor = 颜色,shape='形状')

本文的一些有用链接：https://blog.csdn.net/weixin_40278806/article/details/80509301利用R制作词云图

                                    https://zhuanlan.zhihu.com/p/51771874如何用R语言做词云图，以某部网络小说为例

                                    或者去统计之都，看看郎大为大佬的文章，有详细解释。