R语言jiebaR包文本中文分词及词云上机练习，小白能做到

我是R语言的小白用户，关于R语言的学习，我的目标是隔三差五上机实践练习，每天进步一点点。

微信出现之前，qq群是我和读者交流的主要阵地，一般我会问大家为什么入群这样一个问题，收集到一些有趣的回答，今天就以这组文本数据练习中文分词和词云图的制作。

首先我们先从excel读取数据
data <- read.xlsx("why.xlsx")
data <- data[,1]

准备jiebaR包和分词引擎
library(jiebaR)
engine <- worker()

开始分词
fc <- segment(data,engine)

我们会发现分词质量不高，有些词语要剔除。

准备停止词stopwords.txt
t <- readLines('stopwords.txt')
stopwords<-c(NULL)
for(i in 1:length(t))
{
stopwords[i]<-t[i]
}

开始过滤
fc2 <- filter_segment(fc,stopwords)

过滤之后，我们发现此时的关键词更加凸显。

统计词频
freq <- sort(table(fc2),decreasing = T)

简单画个饼图看看效果咋样吧
pie(head(freq))

​ ​

造句：爱好者想学习和交流数据分析和统计（这个意思非常符合入群目标）。

把关键词和词频转换为数据框结构
mydata=data.frame(word=names(freq),freq=as.vector(freq),stringsAsFactors= F)

制作一个词云图吧
library(wordcloud2)
wordcloud2(mydata,size = 1.5)

这就是最终效果了，简单总结一下：入群最主要的目的自热是“学习”“数据分析”以及“统计”了，ta们都有谁内？有“爱好者”、“新手”、“研究生”，不管是“交流”，或是“请教”“咨询”，总是是要“谢谢”“数据小兵”（纯属娱乐造句）。

更多内容换欢迎关注：从SPSS到R微信号