前段时间读完大刘的流浪地球，本来想着写点东西... 结果“懒癌”了，今天就先弄个词云凑合吧( ╯□╰ )。
词云首先需要将下载好的“流浪地球”的文本文件读入R，然后使用jieba包对文本进行分词，然后绘制词云。
一 数据准备
载入所需的R包，准备好流浪地球的txt格式的文本文件。
代码语言：javascript复制library(jiebaRD)
library(jiebaR)
library(wordcloud2)二 分词，统计词频
使用jieba包对文本进行分词。
代码语言：javascript复制engine = worker()
segment("流浪地球.txt",engine)
data <- scan('流浪地球.segment.2019-04-09_22_36_54.txt',sep='n',what='',encoding="UTF-8")
data2 <- freq(data)
data2 <- qseg[data]
data.words <- data2
head(data.words)三 去掉停词
过滤掉类似“的”，“你”，“我们”等类似的无意义的停词，并可根据自己需要设置词频的个数。
代码语言：javascript复制#过滤掉1个字的词
data.words <- subset(data.words, nchar(as.character(data.words))>1)
#过滤停词
stop=read.table(file=file.choose(),colClasses="character")
stopwords=c(NULL)
for(i in 1:dim(stop)[1]){
stopwords=c(stopwords,stop[i,1])
}
for(j in 1:length(stopwords)){
data.words <- subset(data.words,data.words!=stopwords[j])
}四 统计词频
4.1 统计词频
代码语言：javascript复制data.freq <- table(unlist(data.words))
data.freq <- rev(sort(data.freq))
data.freq <- data.frame(word=names(data.freq), freq=data.freq)4.2 根据需要过滤频次
代码语言：javascript复制#按词频过滤词，过滤掉只出现过一次的词，这里可以根据需要调整过滤的词频数
data.freq=subset(data.freq, data.freq$freq.Freq>=2)
head(data.freq)
word freq.Var1 freq.Freq
1 地球 地球 164
2 太阳 太阳 95
3 发动机 发动机 60
4 人类 人类 35
5 地面 地面 30
6 木星 木星 28五 绘制词云
5.1 图形设定为“star”
代码语言：javascript复制wordcloud2(data.freq[,2:3],color = "random-light", backgroundColor = "grey",shape = 'star')
5.2 汉字图形展示
代码语言：javascript复制letterCloud(data.freq[,2:3],word="地球",size = 2)
5.3 指定图形
指定的背景图需要在R包的example文件夹中，本例为微信的开机图，然而不像，，，鬼知道咋回事啊。
代码语言：javascript复制world = system.file("examples/download1.jpg",package = "wordcloud2")
wordcloud2(data.freq[,2:3], figPath = world, size = 1,color = "black")
OK，词云绘制完毕。
你确定你不想看看你喜欢的书，杂志，都主要是说的些什么？
你确定你不想看看唐诗三百首，都主要是用的哪些词？
你确定你不想看看四六级，考研英语，都主要有哪些高频词汇，不是省了买本书？
你确定你不想看看各种影评，弹幕都是吐槽或者感概的啥？
