R语言jiebaR包文本中文分词及词云制作上机练习
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))
联想造句：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qq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）。
更多内容欢迎持续关注：小兵学R语言
本文完
文/图=数据小兵
历史文章 ↓
按列索引按列名称删除指定的列数据
R语言Levene方差齐次检验
谁说菜鸟不会数据分析（R语言篇）
table函数：分类数据的频数与频率统计
和小兵一起学R语言，小兵推荐视频课程 ↓