数据可视化|如何用wordcloud绘制词云图？

词云图中的每个字的大小与出现的频率或次数成正比，词云图的统计意义不是特别大，主要是为了美观，用于博客和网站比较常见。

导入数据

library(tm)

library(wordcloud)

Text1<-paste(scan("Text1.txt",what=character(0),sep=""),collapse="")
Text2<-paste(scan("Text2.txt",what=character(0),sep=""),collapse="")
TEXT<-data.frame(c(Text1,Text2),row.names=c("Text1","Text2"))
TEXT_title<-data.frame(doc_id=row.names(TEXT),text=TEXT$c.Text1..Text2.

)#这里的doc_id不可替换成别的词

创建数据框格式的文本

#创建数据框格式的文本，第一列是doc_id,第二列是文章内容

TEXT_ds<-DataframeSource(TEXT_title)

构建语料库

Corpus<-VCorpus(TEXT_ds)

针对语料库文本转换

思路：删除语料库中的标点符号，字母转换为小写，删除数字，删除空白字符，过滤掉停止词库之后转换为纯文本。

Corpus<-tm_map(Corpus,removePunctuation)#删除标点符号
Corpus<-tm_map(Corpus,tolower)#转换为小写
Corpus<-tm_map(Corpus,removeNumbers)#删除数字
Corpus <- tm_map(Corpus,stripWhitespace)#删除空白字符
Corpus <- tm_map(Corpus,function(x){removeWords(x,stopwords())})
Corpus <- tm_map(Corpus,PlainTextDocument)#转换为纯文本

针对语料库断字处理，生成词频权重矩阵

Term_matrix<-TermDocumentMatrix(Corpus)
> Term_matrix
<<TermDocumentMatrix (terms: 2462, documents: 2)>>
Non-/sparse entries: 3215/1709
Sparsity           : 35%
Maximal term length: 16
Weighting          : term frequency (tf)

查看Term_matrix得知2篇文章共2456个字，稀疏度为35%，最大词长度是16。

#计算频率

Term_matrix<-as.matrix(Term_matrix)

#对词频权重矩阵的表头进行命名

colnames(Term_matrix)<-c("Text1","Text2")

#把矩阵转为便于后续统计分析的数据框

Data<-data.frame(Term_matrix)

#导出两篇文章的频率分析结果，文件名为Term_matrix

write.csv(Data,'Term_matrix.csv')

读取文件

read.csv('Term_matrix.csv',header=TRUE,row.names=1)

#分开绘制两篇文章的词云

wordcloud(row.names(Data),Data$Text1,min.freq=9.5,col=brewer.pal(8,"Dark2"),rot.per=0.3)

wordcloud(row.names(Data),Data$Text2,min.freq=9.5,col=brewer.pal(8,"Dark2"),rot.per=0.2)

#两篇文章对比

comparison.cloud(Data,max.words=250,random.order=FALSE,colors=c("#00B2FF","#084081"))

#通过设置max.word的大小决定显示图中文本的多少。

两篇文章共有词部分

commonality.cloud(Data,max.words=120,random.order=FALSE,colors="#66A61E")

绘制星形图

将Data数据计算频率Freq=n/sum(n)，根据频率绘制星形图。

wordcloud2(Data1,size=0.4,shape='star')