绘图系列|R-wordcloud2包绘制词云

西游东行

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

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)#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