加载拓展包
-
Rwordseg：分词包，不要试图分太大的文件。本次使用了大概五分钟来给一个1MB左右大概几十万字的小说分词。
-
wordcloud2：词云绘制包
-
RColorBrewer：颜色
library(Rwordseg)
library(wordcloud2)
library(RColorBrewer)
设置颜色
wordcolor <- rep(brewer.pal(n=10,name='Set3'),10)
#选择Set3颜色包中的10个颜色，每个颜色重复10次
分词
wordcloud2函数的参数
| parameter | explanation |
|---|---|
| data | 数据 |
| size | 字体大小 |
| minSize | 副标题 |
| gridSize | 网格大小 |
| fontFamily | 字体 |
| fontWeight | 字体粗细 |
| color | 颜色 |
| backgroundColor | 背景颜色 |
| minRotation | 字体最小旋转角度 |
| maxRotation | 字体最大旋转角度（如果两个参数数值相同则旋转角度都相同） |
| shuffle | |
| rotateRatio | 旋转的概率大小 |
| shape | 形状 |
| ellipticity | 扁平度 |
| widgetsize | 小部件的大小 |
| figPath | 图画大小 |
形状的备选项：
-
'circle' (default), '
-
cardioid' (apple or heart shape curve, the most known polar equation),
-
'diamond' (alias of square),
-
'triangle-forward',
-
'triangle',
-
'pentagon',
-
'star'
x <- readLines('data.txt',encoding = 'UTF-8') #读取文件
xx <- segmentCN(x,anaylzer='hmm',return='vector') #用segmentCN函数进行中文分词
xx <- unlist(xx) #如果只有一段话不需要这一句。多段话分词返回结果为列表。
xx <- xx[nchar(xx)>1] #长度大于1的字符串（要用nchar函数而不是length函数）
xx <- xx[xx!='说道']
#把‘说道’删去了，30多万字中一共出现了快3000个说道。一百个字就会‘说道’一次吗。
top <- sort(table(xx),decreasing = T)[1:100] # 频率出现前100个，decreasing=T降序排列
wordcloud2(top,color=wordcolor,shape='star')
segmentCN（）函数的返回值里面不存在空格。但是以防万一最好运行xx <- xx[nchar(xx)>1]，排除空格和单个字的词语
如果需要过滤数字可以使用xx<-xx[!grepl('[1-9]',xx)]
grep(), grepl()函数
-
grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE, fixed = FALSE, useBytes = FALSE, invert = FALSE)
-
抓取函数
-
可以抓取字符串
-
返回结果为规定的字符串的位置
y <- c('a','b','z','g','c','c','d')
grep("[a-d]", y)
[1] 1 2 5 6 7
-
grepl(pattern, x, ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE)
-
作用与grep（）函数类似，返回结果为逻辑值。
grepl("[a-d]", y)
[1] TRUE TRUE FALSE FALSE TRUE TRUE TRUE
m <- as.character(c(1:9))
grepl('[1-5]',m)
[1] TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE
因此grepl('[1-9]',xx)的返回值为xx中字符串是否为1-9中的任意一个。
而！grepl('[1-9]',xx)则是使结果相反，xx[!grepl('[1-9]',xx)]为选择xx中不是1-9的字符串
结果
效果
网友评论