【文本分析案例】用jiebaR分析有关比特币的文章

前言：
观看松鼠学堂视频课程后，对于jiebaR和wordcloud2作图比较感兴趣，故将课件中文本案例代码摘录出来，方便手机查看学习。
松鼠学堂提供许多免费视频课程及付费课程，大家根据需求选择
https://study.163.com/provider/3188405/course.htm

Rplot03.png

注意：需要修改成本地对应的文件路径

# 查看文章内容：
file.show('./Bitcoin.txt',encoding = 'UTF-8')

install.packages(c('jiebaR','wordcloud2'),repos = 'https://mirrors.ustc.edu.cn/CRAN/')

library(jiebaR)     # 载入包
分词器 = worker()   # 创建分词器

# 利用分词器进行分词
segment("在这个notebook中，我们将使用jiebaR来分析一片描述比特币暴跌的文章", 分词器)

# 添加新词到已存在的分词器中，比特币不能分开，它时一个词。第三个参数 "n" 代表新词的词性标记
new_user_word(分词器, "比特币", "n") 

# 用添加新词“比特币”的分词器再次进行分词
segment("在这个notebook中，我们将使用jiebaR来分析一片描述比特币暴跌的文章", 分词器)

# 读取文本，按照行读取
texts = readLines("./Bitcoin.txt", encoding="UTF-8",warn = FALSE)

# 查看文章内容
texts

# 整篇文章一起分词，将按行分词的条件设置为FALSE
分词器$bylines = FALSE

# 开始分词
分词结果 = segment(texts, 分词器)

# 查看分词结果,查看前100个
head(分词结果,100)

# 分词结构数据类型
class(分词结果)

# 进行词频统计，并查看排序结果
require(dplyr)
freq(分词结果) %>% arrange(desc(freq)) %>% head()

# 添加目录data下的停止词文件，注意指定编码方式
分词器  = worker(stop_word = "./stop.txt",encoding = 'UTF-8')

# 注意此处新建了一个worker，所以需要重新添加用户自定义单词
new_user_word(分词器, "比特币", "n") 

# 开始分词
去除停止词分词结果 = segment(texts, 分词器)

freq(去除停止词分词结果) %>% arrange(desc(freq)) %>% head()

# 将分词结果保存
fred_df <- freq(去除停止词分词结果)

# 查看词频统计结果数据类型
class(fred_df)

# 将结果写到数据文件中
write.csv(fred_df,'./fred_df.csv',row.names = FALSE,fileEncoding = 'GBK')

# 由于jupyter不支持输出这种内容丰富的图像，在Rstudio里面执行如下语句
require(wordcloud2)
wordcloud2(fred_df,
           size = 2, 
           fontFamily = "微软雅黑",
           color = "random-light",
           backgroundColor = "grey")