R语言利用wordcloud2绘制词云
本次的重点绘制词云,所以并不太重视其他分析方面的论述。
本机环境:
window 10
R x64 3.3.0
R包:
tmcn:词频统计
wordcloud2:绘制词云
Rwordseg:分词
由于tmcn和Rwordseg包在R3.3.0的版本中没有可以直接在线下载安装,所以需要去搜索并且本地安装
附Rwordseg和tmcn的下载链接,注意安装Rwordseg前需要配置java环境,这里就不具体阐述了,百度即可。
https://r-forge.r-project.org/R/?group_id=1054
https://r-forge.r-project.org/R/?group_id=1571
数据文件:
本次采用自主爬虫的数据文件csv(豆瓣电影:我不是潘金莲)的评论语料
数据样式截图如下:
关于此爬虫的代码与文件,需要可以下载,如失效,也可留言
链接:http://pan.baidu.com/s/1kVe9cMj 密码:84ft
前期导入清理、分词、词频统计
library(Rwordseg)
library(tmcn)
library(wordcloud2)
data <- read.csv("d.csv",encoding="utf-8")
data <- unique(data)# 去除重复的数据
#去除评论中含有的英文和数字
text <- gsub('[a-zA-Z0-9]','',data$comment)
#插入自定义词汇
words <- c('范冰冰')
insertWords(strwords=words)
#分词
segword <- segmentCN(strwords=text)
#创建停止词库,并转为向量格式
mystopwords <- read.table("stop_words.txt",stringsAsFactors=FALSE)
mystopwords <- as.vector(mystopwords[,1])
#自定义删除停止词函数
removewords <- function(target_words,stop_words)
{
target_words <- target_words[target_words%in%stop_words==FALSE]
return(target_words)
}
segword2 <- sapply(X=segword,FUN=removewords,mystopwords)
开始绘制词云
首先介绍下wordcloud2这个函数
wordcloud2(data, size = 1, minSize = 0, gridSize = 0,
fontFamily = NULL, fontWeight = 'normal',
color = 'random-dark', backgroundColor = "white",
minRotation = -pi/4, maxRotation = pi/4, rotateRatio = 0.4,
shape = 'circle', ellipticity = 0.65, widgetsize = NULL)
常用参数:
(1)data:词云生成数据,包含具体词语以及频率;
(2)size:字体大小,默认为1,一般来说该值越小,生成的形状轮廓越明显;
(3)fontFamily:字体,如‘微软雅黑’;
(4)fontWeight:字体粗细,包含‘normal’,‘bold’以及‘600’;;
(5)color:字体颜色,可以选择‘random-dark’以及‘random-light’,其实就是颜色色系;
(6)backgroundColor:背景颜色,支持R语言中的常用颜色,如‘gray’,‘blcak’,但是还支持不了更加具体的颜色选择,如‘gray20’;
(7)minRontatin与maxRontatin:字体旋转角度范围的最小值以及最大值,选定后,字体会在该范围内随机旋转;
(8)rotationRation:字体旋转比例,如设定为1,则全部词语都会发生旋转;
(9)shape:词云形状选择,默认是‘circle’,即圆形。还可以选择‘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);
#绘制文字云
word_freq <- getWordFreq(string=unlist(segword2))
一切使用默认参数
wordcloud2(word_freq)
提取前1000个,并改变形状
wordcloud2(word_freq[0:1000,],size=1,shape='star',fontFamily="微软雅黑")
#绘制出出现频率最高的前50个词
wordcloud2(word_freq[0:1000,],size=1,shape='star',fontFamily="微软雅黑")
#自定义图片,只要是黑白图片即可,文字默认会画在黑色部分上
wordcloud2(word_freq,figPath='horse.png',size=0.5,shape='star',fontFamily="微软雅黑")
R语言利用wordcloud2绘制词云相关推荐
- R语言统计词频 画词云
原始数据: 程序: #统计词频 library(wordcloud)# F:/master2017/ch4/weibo170.cut.txttext <- readLines("F:/ ...
- 在SAP分析云里根据业务数据绘制词云(Word Cloud)
词云(WordCloud)的概念,据网络上搜索到的资料,最早由美国一位新闻学专业的副教授提出,对文本中出现频率较高的关键词予以视觉上的突出,一般采取"出现频次越高,关键词渲染尺寸越大&quo ...
- R语言如何画个性化词云图
我之前写了一篇关于使用wordcloud包的文本可视化的博客.点击查看. Ian Fellows与2014-06-13公布了wordcloud包,之前我用wordcloud包写了一篇关于文本可视化的博 ...
- https open api_通过bilibili_api获取弹幕+绘制词云的方法
刚接触python 随手做一些自己感兴趣的项目,看到了一个通过bilibili_api三行代码获取弹幕的教程(vx公号:天作之程(jhtmtzzc))使用的是bilibili_api ,是2020年1 ...
- 使用Python做中文分词和绘制词云
使用Python做中文分词和绘制词云 李小璐出轨云词图 作为一门编程语言,Python的编写简单,支持库强大,应用场景多,越来越多的人开始将它作为自己的编程入门语言. Python一个比较重要的场景是 ...
- python爬虫网站 词云_Python爬虫之爬取情话网站并绘制词云
一.爬取网站 1.分析目标网站 首先我们需要分析目标网站的源代码 分析html得知所有的情话都是在标签 下,而且一个 标签对应着一句情话. 2.编写代码 import bs4 import reque ...
- python中用来绘制词云的第三方库_如何用Python绘制词云?
如果希望能够看懂代码,那么需要具备: 1. 了解Python语言的语法结构 2. 了解Python语言的标准包.第三方包的区别 3. Python代码基本是英文,意思一定程度上代表了它要做的事,懂英文 ...
- python 词云_利用Python生成词云
利用Python生成词云 一.第三方库的安装与介绍 1.1 Python第三方库jieba(中文分词) 1.介绍 "结巴"中文分词:做最好的 Python 中文分词组件. 2.特 ...
- 【Python】文本情感分析及绘制词云
码字不易,喜欢请点赞!!! 这篇文章主要分享了使用Python来对文本数据进行情感分析以及绘制词云. 主要步骤包括: 1.文本预处理 2.文本分词 3.去除停用词(这里设置为单个词和一些常见的停用词) ...
- python红楼梦绘制词云形状图_python数据挖掘实战笔记——文本挖掘(5):词云美化之绘制《红楼梦》词云图...
词云图的美化就是把词云图的背景和颜色进行美化,以<红楼梦>词云图为例,如下所示: 首先绘制词云,跟之前的代码操作一样: import jieba import numpy import c ...
最新文章
- 接口测试(postman jmeter)
- C++知识点45——类继承中的类型转换与访问权限控制(上)
- OWASP Top 10 – 2013, 最新十大安全隐患(ASP.NET解决方法)
- 关于盘符里某些文件夹删除不了的解决方案研究
- php 如何生成exe文件怎么打开,如何把PHP转成EXE文件
- apache ignite_Kubernetes集群上的Apache Ignite和Spring第3部分:测试应用程序
- Django admin组件源码流程
- SpringDataJpa 概述
- 多重继承有时候确实有必要
- linux模拟发包工具,linux发包软件-线不是一个压力测试工具的linux以上收缩服务器可...
- java nio 大文件_java nio 超大文件的读写
- 【python】爬取元素周期表的元素信息
- Activity的启动流程分析与总结
- isc dhcp 服务器性能,DHCP 服务器搭建问题
- 第11篇 zephyr 数据传递之LIFO
- 小菜鸟的C++游戏编程学习日记(一)
- 信息学切题记录:永远的A+B Problem(洛谷P1001)
- less 自适应高度_使用HTML5和Less框架3的自适应Web设计
- py 爬取汽车之家新闻案例
- 硬件电路常用设计摘要