R语言绘制词云图（中文&英文）

词云图是非常有趣的一种图形，可以很直观的展示出数据频率的关系，下面将分别介绍基于R语言的中文词云图及英文词云图的绘制。
但是不论是中文词云图还是英文词云图，都是基于R中的wordcloud包和wordcloud2包，其实总的来说，绘制词云图的思路很清晰，主要就是两步：

step1：计算词向量和词频向量；
step2：生成词云图.

所以如果说难，主要是因为计算词向量和词频向量这里会存在一些问题，函数的调用倒是没有多大问题。
词向量就是样本中所包含的词所组成的一个向量，词频向量是词所对应的频数组成的向量。

中文词云图

对于中文的词云图绘制，大家一致觉得使用R的jiebaR包非常不错，而且看到很多博客上也是使用jiebaR包的。

ok，一起来攻克step1这个棘手的问题吧！
首先详细介绍jiebaR中的segment()函数，通过segment()函数的help文档，我们可以看到，其名字为：Chinese text segmentation function，即：中文文本分词函数。其语法为：segment(code, jiebar, mod = NULL)，下面详细介绍该函数的参数。
code：一个中文句子或者是一个文本文档的路径；
jiebar：翻译为jieba工人，其实就是用来分词的工具。这是一个非常重要的参数，但是别忘了还有一个参数哦~
mod：更改默认结果类型，其实就是对jiebar的补充了，我们不妨根据examples试验一下！

library(jiebaR)
library(jiebaRD)

a <- "我是中国人，我爱我的祖国。"
engine1 <- worker()
engine2 <- worker("hmm")
segment(a,engine1)
segment(a,engine2)

我们上面分别用来两个worker，来看看结果吧！

显然，使用hmm参数worker更合理一点，其他worker详见help。

到此为止，我想我们已经完成了千里长征的第一步：分词（即得到了词向量），接下来需要做的事就是计算词频了，通常用freq()，看这个名字就知道它的作用了，这里将不做过多赘述，我们继续用上面的例子来试验，如下

b <- segment(a,engine2)
word <- freq(b)

非常不错！

好了，我们已经彻底解决了这个难题，接下来就是画图了！

wordcloud()函数，名字：Plot a word cloud，唉，名字总是这么直接，都不用解释的！
语法：wordcloud(words,freq,scale=c(4,.5),min.freq=3,max.words=Inf,
random.order=TRUE, random.color=FALSE, rot.per=.1,
colors=“black”,ordered.colors=FALSE,use.r.layout=FALSE,
fixed.asp=TRUE, …)

参数简直直白的不需要解释，真是好包，看看是哪路神仙开发的吧，Ian Fellows，名字就看着很舒服，怪不得开发的包也这么好用~~
继续用上面的例子吧！

library(wordcloud)
library(RColorBrewer)
wordcloud(word$char,word$freq,min.freq = 0)

这里我设置的最小频数是0，所以把所有的都绘制上去了，对，毕竟词就这么少，ok，中文分词到此结束！算了，都到这里了，还是画的再好看一点吧！
为了好看，当然是颜色形状什么都要来一点了~形状可多了，什么星星啊，月亮啊，苹果啊！

library(wordcloud2)
wordcloud2(word,color = "random-light", backgroundColor = "grey",shape = 'apple')

不得不说，确实好看了点！

英文词云图

不得不提，segment()函数人家是对中文分词的，名字里已经写得很清楚了，不不不，我真是，忽然想到，刚刚看他的example的时候，他就是拿的英文句子给我举例子的，试了一下果不其然，那就继续用它吧！

aa <- "my name is zxn and i love my country,i love my people"
bb <- segment(aa,engine2)
wordd <- freq(bb)
wordcloud2(wordd,color = "random-light", backgroundColor = "grey",shape = 'star')

ok！上面就是基本的用R绘制中英文词云图的知识点了！