python中文文本聚类可视化_Python、R对小说进行文本挖掘和层次聚类可视化分析案例...

原文链接：http://tecdat.cn/?p=5673

《第二十二条军规》是美国作家约瑟夫·海勒创作的长篇小说，该小说以第二次世界大战为背景，通过对驻扎在地中海一个名叫皮亚诺扎岛(此岛为作者所虚构)上的美国空军飞行大队所发生的一系列事件的描写，揭示了一个非理性的、无秩序的、梦魇似的荒诞世界。我喜欢整本书中语言的创造性使用和荒谬人物的互动。本文对该小说进行文本挖掘和可视化。

数据集

该文有大约175,000个单词，分为42章。我在网上找到了这本书的原始文本版本。

我使用正则表达式和简单字符串匹配的组合在Python中解析文本。

我shiny在R中以交互方式可视化这些数据集。

地理图geo chapters[1]) & ( geo$Time < (chapters[2] + 1)),]paths_sub chapters[1]) & ( paths$time < (chapters[2] + 1)),]# 绘图p

可视化映射了整本书中提到的地中海周围位置。

人物章节关系ggplot(catch22, aes(x=Chapter, y=Character, colour=cols)) +geom_point(size=size, shape='|', alpha=0.8) +scale_x_continuous(limits=c(chapters[1],(chapters[2] + 1)), expand=c(0,0), breaks=(1:42)+0.5, labels=labs) +ylab(NULL) + xlab('Chapter') +theme(axis