JiebaR+wordcloud2词云

这篇文章介绍如何通过JiebaR和wordcloud2进行分词并制作精美的词云图片。

话不多说，先看词云













分词通过jiebaR进行，词云通过wordcloud2绘制，wordcloud2的强大之处在于可以自定义词云的形状。

分词用的文本随意取，这里我把分出来的词都替换成“学习”了，毕竟我们是如此的热爱学习。

关于JiebaR中文分词就不多说了，网上有很多教程，找一个比较全的停止词表就可以分析文档了，具体代码如下：

首先载入相关包

library(jiebaR)
library(wordcloud2)

加载需要分析的txt格式文本

聊天记录、小说等等都可以，最好是UTF-8编码的，否则有时候会出问题，（如何把txt保存成UTF-8编码的格式百度即可）,

filename

为文件的绝对路径

f <- scan('filename.txt',sep='\n',what='',encoding="UTF-8")

分词

具体过程就不细讲了，最终分词得到词频矩阵，然后对词频矩阵进行一些处理，删掉一些无用的词，比如长度为1的词等等，让结果更精确。

wk <- worker(stop_word = '中文停用词表.txt')
seg <- wk[f]
seg <- seg[nchar(seg)>1]
seg <- table(seg)
seg <- sort(seg,decreasing = T)[1:100]
result <- as.data.frame(seg,stringsAsFactors=F)

result

为按词频降序排列的词频矩阵，把所有的词都替换成“学习”

词云

词云通过

wordcloud2

这个包实现，先来看一下这个函数

wordcloud2(data, size = 1, minSize = 0, gridSize =  0,
fontFamily = 'Segoe UI', fontWeight = 'bold',
color = 'random-dark', backgroundColor = "white",
minRotation = -pi/4, maxRotation = pi/4, shuffle = TRUE,
rotateRatio = 0.4, shape = 'circle', ellipticity = 0.65,
widgetsize = NULL, figPath = NULL, hoverFunction = NULL)

参数很多，解释主要的几个参数

data：作词云的词频数据框，包含两列，一列为词，一列为频数，频数越大，词云中该词字号越大

backgroundColor：背景颜色

shape：形状，wordcloud2本身带了多种形状，直接从help里复制过来：：circle (default), cardioid (apple or heart shape curve, the most known polar equation), diamond (alias of square), triangle-forward, triangle, pentagon, star

figpath：自定义形状的路径，想做什么形状的图形，先找一个图片，把图片路径放在这个参数里就可以了。重要的事情说三遍，图片要是黑色的，图片要是黑色的，图片要是黑色的

col：色调：偏亮或者偏暗

其他的可以自己研究下，跟图片、字体大小有多。

下面是我用来做词云的部分图片









图片推荐从这里下：http://www.iconfont.cn/，颜色选纯黑。

当然水平够高可以自己做。

下好图片之后就可以直接做词云了

代码：

wordcloud2(result,backgroundColor = 'black',col = 'random-light',figPath = '图片.png')