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$c.Text1..Text2.复制)#这里的doc_id不可替换成别的词创建数据框格式的文本#创建数据框格式的文本，第一列是doc_id,第二列是文章内容TEXT_ds<-DataframeSource(TEXT_title)复制构建语料库Corpus<-VCorpus(TEXT_ds)复制针对语料库文本转换思路：删除语料库中的标点符号，字母转换为小写，删除数字，删除空白字符，过滤掉停止词库之后转换为纯文本。Corpus<-tm_map(Corpus,removePunctuation)#删除标点符号Corpus<-tm_map(Corpus,tolower)#转换为小写Corpus<-tm_map(Corpus,removeNumbers)#删除数字Corpus <- tm_map(Corpus,stripWhitespace)#删除空白字符Corpus <- tm_map(Corpus,function(x){removeWords(x,stopwords())})Corpus <- tm_map(Corpus,PlainTextDocument)#转换为纯文本复制针对语料库断字处理，生成词频权重矩阵Term_matrix<-TermDocumentMatrix(Corpus)> Term_matrix<>Non-/sparse entries: 3215/1709Sparsity : 35%Maximal term length: 16Weighting : term frequency (tf)复制查看Term_matrix得知2篇文章共2456个字，稀疏度为35%，最大词长度是16。#计算频率Term_matrix<-as.matrix(Term_matrix)复制#对词频权重矩阵的表头进行命名colnames(Term_matrix)<-c("Text1","Text2")复制#把矩阵转为便于后续统计分析的数据框Data<-data.frame(Term_matrix)复制#导出两篇文章的频率分析结果，文件名为Term_matrixwrite.csv(Data,'Term_matrix.csv')复制读取文件read.csv('Term_matrix.csv',header=TRUE,row.names=1)复制#分开绘制两篇文章的词云wordcloud(row.names(Data),Data$Text1,min.freq=9.5,col=brewer.pal(8,"Dark2"),rot.per=0.3)复制wordcloud(row.names(Data),Data$Text2,min.freq=9.5,col=brewer.pal(8,"Dark2"),rot.per=0.2)复制#两篇文章对比comparison.cloud(Data,max.words=250,random.order=FALSE,colors=c("#00B2FF","#084081"))复制#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")复制绘制星形图将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')复制本文参与 腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！本文章分享自微信公众号菜鸟学数据分析之R语言作者：刘晓雪原始发表时间：2020-07-25如有侵权，请联系 删除。展开阅读全文腾讯云图文章来自专栏菜鸟学数据分析之R语言77 篇文章22 人关注订阅评论 (0)写评论暂无人发表评论相关文章Python数据可视化 词云图 绘制词云的方法总结pyecharts是基于echarts的python库，能够绘制多种交互式图表，和其他可视化库不一样，pyecharts支持链式调用。（数据科学学习手札71）在Python中制作个性化词云图词云图是文本挖掘中用来表征词频的数据可视化图像，通过它可以很直观地展现文本数据中地高频词：【数据挖掘 | 可视化】 WordCloud 词云（附详细代码案例)在七夕节中，博主写了一篇为女友收集QQ聊天记录做可视化词云的文章获得广泛好评，一直有小伙伴希望能出一篇教程，今天他来啦！ 一文带你速通词云?♂️R-wordcloud: 词云图好几位读者来信说，《R语言数据可视化之美》(增强版)的词云图的代码有问题，我今天更新了一轮，这主要原因在R语言及其包的更新，导致源代码有可能运行错误。R语言的优...WordCloud词云库快速入门（一)wordcloud是优秀的词云展示第三方库，以词语为基本单位，通过图形可视化的方式，更加直观和艺术的展示文本。Day10.如何给⽑不易的歌曲做词云展示我们经常需要对分析的数据提取常⽤词，做词云展示。⽐如⼀些互联⽹公司会抓取⽤户的画像，或者每⽇讨论话题的关键词，形成词云并进⾏展示。词云绘制，推荐三种 Python包外加一个在线网站！本篇文章先介绍几种制作词云的 Python 库，分别是 WordCloud、StyleCloud、Pyecharts；再加一个在线词云制作网站；最后通过代码实操...关于词云可视化笔记一（wordcloud和英文词汇可视化）一直比较关注数据可视化这块，对于分词和词的可视化却始终不明就里，直到看到词云，当时惊为天人，不过词云的制作还是非常麻烦，直到2017年Python走近我的视野中...词云图，看过没做过？快来，教你秘籍今天我们来说一说可视化的问题，如果这个时候我们要对频数进行可视化的话，我们首先想到的应该是一个什么样子的图形呢？很多人可能会说是柱状图。还有一些科研喵们，看过我...使用pyecharts绘制词云图-淘宝商品评论展示词云图是一种用来展现高频关键词的可视化表达，通过文字、色彩、图形的搭配，产生有冲击力地视觉效果，而且能够传达有价值的信息。WordCloud 中英文词云图绘制，看这一篇就够了摘要： 当我们手中有一篇文档，比如书籍、小说、电影剧本，若想快速了解其主要内容是什么，则可以采用绘制 WordCloud 词云图，显示主要的关键词（高频词）这种...Python带你看不一样的《青春有你2》小姐姐之评论内容可视化详细介绍和用法可以去github看：，这里不多做介绍，只介绍本次用到的NLP快速入门：手把手教你用wordcloud做词云导读：在上一章节介绍在Python环境下调用HanLP包进行分词的基础上，本文将介绍如何使用wordcloud绘制词云。尽管目前市面上已经有很多成熟的在线交互词...WordCloud 中英文词云图绘制，看这一篇就够了摘要： 当我们手中有一篇文档，比如书籍、小说、电影剧本，若想快速了解其主要内容是什么，则可以采用绘制 WordCloud 词云图，显示主要的关键词（高频词）这种...一起用Python来看看川普今年在推特上都发了些什么川普作为一个推特狂人，上台以来一共发了一万多条推特，本文爬取了川普在2020年的全部推特内容并将其绘制成了词云图。词云图wordcloud学习笔记词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。excel也那绘制词云图哦！还有很多的可视化图表可挑选！excel是老牌的数据可视化软件了，很多方面都已经很完美了，很多的图表都可以轻松绘制出来，但如果想要做的好看，就需要一些技巧了。更多文章社区活动腾讯云自媒体分享计划入驻社区，可分享总价值百万资源包邀请好友加入自媒体分享计划邀请好友，同享奖励 30 / 100 / 180 元云服务器代金券长按识别或截图保存关注腾讯云开发者Copyright © 2013-2022Tencent Cloud. All Rights Reserved.腾讯云 版权所有点赞3评论0转
