如何安全的做词云? jiebaR与wordcloud2实战

原创

已于 2022-03-23 11:47:02 修改 · 639 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#R语言 #词云 #可视化 #jiebaR #wordcloud2

于 2022-03-08 21:55:15 首次发布

本文介绍了如何使用R语言的jiebaR和wordcloud2包进行文本分词和词云制作。通过分析中国世界500强企业的关键词，展示了如何从读取txt文件开始，进行分词、统计频率、过滤干扰词，最终绘制词云。重点讲解了jiebaR和wordcloud2的主要函数及参数，并提醒了在RStudio中处理中文编码的注意事项。

因为工作需要，又开始上手R语言。比起从前，现在面对新知识更有耐心（经历所致），也更愿意优化代码，提高效率。

网上制作词云的工具很多，但如果是公司比较重要的数据信息，我不建议用网上工具，会造成信息泄露。所以，不如花点时间，自己学会做，对提升数据分析也有帮助。

要做词云，有两件事情要做：1）文本分词；2）制作词云。

先说文本分词，主要用到jiebaR包，处理txt文本，变成关键词+频次的数据框形式，然后提取需要的高频词汇，使用wordcloud2包制作词云。

一、案例展示：

2021年中国世界500强企业，我想知道这些优秀企业有哪些关键字，怎么做出来呢？先给大家看最终的结果：

我们可以看到最突出的关键字：国际、科技股份，然后是上海，电力，能源，汽车，钢铁，银行。因为我们分析的是世界500强企业，所以可以得出结论：业务面向国际的企业，类型是科技股份制，然后从区域来看上海500强最多，其次是江苏（居然不是北京~），接下来行业电力（垄断行业，铁饭碗），能源（新趋势行业），汽车、钢铁。从这些关键字对大家择业赛道也会有所启发。

接下来如何做出这个图：

install.packeges("jiebaR")#下载jiebaR包
install.packeges("wordcloud2")#下载词云包，推荐用词云2
library(jiebaR)#载入jiebaR包
library(wordcloud2)#载入词云2包
data<-readLines("企业名称.txt",encoding="UTF-8")#读入txt格式文本
wk<-worker()#设置函数简称
data1<-segment(data,wk)#开始