R语言词云图实现（19大报告为例）-经管之家官网！

扫码加入金融交流群

“词云”这个概念由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登（Rich Gordon）提出。戈登做过编辑、记者，曾担任迈阿密先驱报（Miami Herald）新媒体版的主任。他一直很关注网络内容发布的最新形式——即那些只有互联网可以采用而报纸、广播、电视等其它媒体都望尘莫及的传播方式。通常，这些最新的、最适合网络的传播方式，也是最好的传播方式。 因此，“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“ 关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。

下面以19大报告为例，说明词云图的制作。

加载词云图制作工具包wordcloud2和jiebaR，其中前者用来绘制词云图，后者用来对中文进行分词，即把文档转换成一个一个单独的词语。需要指出的是，wordcloud2工具包需要从github网站下载，直接利用install.packages方法存在问题。具体如下：

>install_github('lchiffon/wordcloud2')

>library(wordcloud2)

>library(jiebaR)

上百度找一个19大报告全文，然后复制保存为文本文档形式，并命名为19th.txt，保存到当地F盘，然后利用scan命令扫描文档：

>contents <- scan('F://1919th.txt',what='character')

并利用worker设置分词形式：

>cutter <- worker()

对文档进行分词处理，具体为：

>segWords <- segment(contents,cutter)

>head(segWords)

[1] "决胜" "全面" "建成" "小康社会" "　" "夺取"

进一步把分词整理成表格形式，即显示各种词语出现的次数，具体如下：

>wordsNum <- table(segWords)

>head(wordsNum)

segWords

　 1018 2017 爱 爱澳

1 1 1 1 4 1

>wordcloud2(wordsNum)

从图上可以看出，出现次数较高的是“的”、“和”、“中国”、“发展”和“人民”，考虑到“的”与“和”为连接词，没有意义，需要把这些剔除，才能使词云图更加美观。具体进行如下操作：删除连词“的”“是”“和”：

>segWords <- gsub('的||和||是','',segWords)

>segWords <- segWords[nchar(segWords)!=0]

在此基础上进行表格整理：

>wordsNum <- table(segWords)

考虑到词语非常多，因此选择按高到低排序，并选择前500个词语绘制词云图：

>wordsNum <- sort(wordsNum, decreasing = TRUE)

>wordsData <- data.frame(wordsNum)

>wordsData <- wordsData[1:500,]

>wordcloud2(wordsData,0.4)

图2.41 简化后19大词云

环形图可以看出，“人民”、“发展”和“建设”等词语字体较大，说明出现次数较高。进一步对形状进行设置，选择单词“R”和党徽形状进行分析，具体如下：

>letterCloud(wordsData,word='R',size=0.3)

然后百度一个党徽图案，最好只有两色的。保存在本地文件夹F盘根目录下，并命名为public。输出党微形状的词云图命令为：

>wordcloud2(wordsData,figPath = 'F://public.jpg',size=0.5,color = 'red')

感兴趣的读者可进一步参考《量化投资基础、方法与策略——R语言实战指南》，里面详细介绍R语言的入门，并介绍如何利用R语言进行量化投资。

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP