R语言生成单词云

词云是一种用于表示文本数据的数据可视化技术，其中每个词的大小表示其频率或重要性。重要的文本数据点可以用词云来强调。词云被广泛用于分析社交网站的数据。

为什么使用词云？

人们应该使用词云来展示文本数据的原因是：

词云增加了简单性和清晰性。最常用的关键词在词云中更显眼
词语云是 一种有效的交流工具。它们易于理解，易于分享，并具有影响力。
字云在视觉上比表格数据更有吸引力。

R语言实现

以下是在R编程中创建词云的步骤。

第1步：创建一个文本文件

在一个纯文本文件（如：file.txt）中复制和粘贴文本，并保存该文件。

第2步：安装并加载所需的软件包

# install the required packages
install.packages("tm")           # for text mining
install.packages("SnowballC")    # for text stemming
install.packages("wordcloud")    # word-cloud generator
install.packages("RColorBrewer") # color palettes
  
# load the packages
library("tm")
library("SnowballC")
library("wordcloud")
library("RColorBrewer")

第3步：文本挖掘

加载文本：
使用text mining(tm)软件包中的Corpus()函数加载文本。语料库是一个文档的列表。

从导入步骤1中创建的文本文件开始：

要导入保存在计算机中的文件，请输入以下R代码。你将被要求以交互方式选择文本文件。

text = readLines(file.choose())

将数据作为一个语料库加载：

# VectorSource() function 
# creates a corpus of 
# character vectors
docs = Corpus(VectorSource(text))

文本转换：
使用tm_map()函数进行转换，例如，替换文本中的特殊字符，如"@"、"#"、"/"。

toSpace = content_transformer
             (function (x, pattern)
              gsub(pattern, " ", x))
docs1 = tm_map(docs, toSpace, "/")
docs1 = tm_map(docs, toSpace, "@")
docs1 = tm_map(docs, toSpace, "#")

清理文本：

使用tm_map()函数来删除不必要的空白，将文本转换为小写字母，删除常见的停顿词。数字可以用removeNumbers.来删除。

# Convert the text to lower case
docs1 = tm_map(docs1, 
        content_transformer(tolower))
  
# Remove numbers
docs1 = tm_map(docs1, removeNumbers)
  
# Remove white spaces
docs1 = tm_map(docs1, stripWhitespace)

第4步：建立一个术语-文档矩阵

文档矩阵是一个包含词的频率的表格。列名是词，行名是文档。可以使用文本挖掘包中的 TermDocumentMatrix() 函数，如下所示。

dtm = TermDocumentMatrix(docs)
m = as.matrix(dtm)
v = sort(rowSums(m), decreasing = TRUE)
d = data.frame(word = names(v), freq = v)
head(d, 10)

第5步：生成词云

词的重要性可以用词云来说明，如下所示。

wordcloud(words = dword, 
          freq = dfreq,
          min.freq = 1, 
          max.words = 200,
          random.order = FALSE, 
          rot.per = 0.35, 
          colors = brewer.pal(8, "Dark2"))

R语言云的完整代码如下。

# R program to illustrate
# Generating word cloud
  
# Install the required packages
install.packages("tm")           # for text mining
install.packages("SnowballC")    # for text stemming
install.packages("wordcloud")    # word-cloud generator
install.packages("RColorBrewer") # color palettes
   
# Load the packages
library("tm")
library("SnowballC")
library("wordcloud")
library("RColorBrewer")
  
# To choose the text file
text = readLines(file.choose())
  
# VectorSource() function 
# creates a corpus of 
# character vectors
docs = Corpus(VectorSource(text))   
  
# Text transformation
toSpace = content_transformer(
              function (x, pattern)
              gsub(pattern, " ", x))
docs1 = tm_map(docs, toSpace, "/")
docs1 = tm_map(docs, toSpace, "@")
docs1 = tm_map(docs, toSpace, "#")
strwrap(docs1)
  
# Cleaning the Text
docs1 = tm_map(docs1, content_transformer(tolower))
docs1 = tm_map(docs1, removeNumbers)
docs1 = tm_map(docs1, stripWhitespace)
  
# Build a term-document matrix
dtm = TermDocumentMatrix(docs)
m = as.matrix(dtm)
v = sort(rowSums(m), 
         decreasing = TRUE)
d = data.frame(word = names(v),
               freq = v)
head(d, 10)
  
# Generate the Word cloud
wordcloud(words = dword, 
          freq = dfreq,
          min.freq = 1, 
          max.words = 200,
          random.order = FALSE, 
          rot.per = 0.35, 
          colors = brewer.pal(8, "Dark2"))