R 绘制词云和虚假相关

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

今天我们分析一下美国总统的国情咨文，分析一下总统获得的掌声次数和支持率的关系，及国情咨文的词云简单实现。

#载入包和设置环境目录

1. library(ggplot2)
   
2. library(tm)
   
3. library(grid)
   
4. library(dplyr)
   
5. library(wordcloud)
   
6. setwd("H:/自媒体/2015-07-07/掌声不代表支持/SOTU")

复制代码

#整理数据

1. corpus <- Corpus(DirSource("H:/自媒体/2015-07-07/掌声不代表支持/SOTU"))#批量读入文本
   
2. txt <- tm_map(corpus,stripWhitespace)#去除空格
   
3. txt <- tm_map(txt,removePunctuation)#去除其他符号
   
4. stopwordS<- c(stopwords('english'),"and","that","the")#去除停用词
   
5. txt<- tm_map(txt,removeWords,stopwordS)

复制代码

#生成词频矩阵

1. tdm<- TermDocumentMatrix(txt,control=list(wordLength=c(1,Inf)))
   
2. m <- as.matrix(tdm)
   
3. sotu<- data.frame(m)
   
4. sotu$sum<- rowSums(sotu)
   
5. sotu<- sotu[order(-sotu$sum),]
   
6. colnames(sotu) <- c("SOTU2009","SOTU2010","SOTU2011","SOTU2012","SOTU2013","SOTU2014","SOTU2015","sum")
   
7. sotu<- data.frame(t(sotu[1,1:7]))#转置
   
8. sotu$year<- 2009:2015
   
9. sotu$approval<-   c(64,48,50,45,51,42,46)

复制代码

#绘制词云

1. colors<- brewer.pal(8,"Dark2")
   
2. tt<- data.frame(m)
   
3. remove<- c("applause","and","thats","will")
   
4. tt<- tt[!rownames(tt)%in%remove,]
   
5. par(bg = rgb(red = 242, green = 242, blue = 242, max = 255))
   
6. wordcloud(rownames(tt),tt[,"SOTU2015.txt"],scale = c(5,0.3),min.freq = -Inf, max.words = 100, colors=colors, random.order = F, random.color=T, rot.per = 0.5, font = 2, family = "serif")

复制代码

生成词云时，如果你使用Rstudio那么请将窗口跳到最大，否则会显示不完全

生成词云时，如果你使用Rstudio那么请将窗口跳到最大，否则会显示不完全

#解除tm包

1. detach("package:tm", unload=TRUE)
   
2. library(ggplot2)

复制代码

这里为什么多了一步，因为tm包和ggplot2包都有一个函数annotate，如果不解除tm，ggplot2的annotate会被tm里的取代，引起下面做图错误。

#绘制折线图

1. theme_opts<- theme(panel.background=element_rect(fill=rgb(red = 242, green = 242, blue = 242, max = 255)),
   
2. plot.background=element_rect(fill=rgb(red = 242, green = 242, blue = 242, max = 255)),
   
3. panel.grid.major=element_line(colour=rgb(red = 146, green = 146, blue = 146, max = 255),size=.75),
   
4. panel.border=element_rect(colour=rgb(red = 242, green = 242, blue = 242, max = 255)),
   
5. axis.ticks=element_blank(),
   
6. axis.text.x = element_text(colour="grey20", size=12),
   
7. axis.text.y = element_text(colour="grey20",size=12),
   
8. axis.text.y = element_text(size=13,colour=rgb(red = 74, green = 69, blue = 42, max = 255),face="bold"),
   
9. axis.title.y=element_text(size=11,colour=rgb(red = 74, green = 69, blue = 42, max = 255),face="bold",vjust=1.5),
   
10. axis.title.x=element_text(size=11,colour=rgb(red = 74, green = 69, blue = 42, max = 255),face="bold",vjust=-.5),
    
11. legend.position="none")
    
12. p <- ggplot(sotu,aes(x = year)) +
    
13. geom_line(aes(y=applause,colour="#00bdc4"),size=1.6) +
    
14. geom_line(aes(y=approval,colour="#FD6467"),size=1.6) +
    
15.   annotate("text",x=2010,y=100,colour="#FD6467",label="掌声",size=7,fontface="bold")+
    
16.   annotate("text",x=2010,y=40,colour="#00bdc4",label="支持率",size=7,fontface="bold")+
    
17. theme_bw() +
    
18.   scale_x_continuous(minor_breaks=0,breaks=c(2009,2010,2011,2012,2013,2014,2015)) + #这里空着这竖行次网格线minor_breaks
    
19. ggtitle("") +
    
20. ylab("") +
    
21. xlab("") +
    
22. geom_hline(yintercept=0,size=1.2,colour=rgb(red = 74, green = 69, blue = 42, max = 255)) + #这个能成为做图风格的标志
    
23. theme_opts
    
24. ggsave(file="掌声和支持率.png", width=10, height=8,scale=0.8)

复制代码

相关数据和代码：http://pan.baidu.com/s/1hqxVg7y   密码：微信索取

关于我们，关注理性与文艺，用数据创作内容性的精致阅读，这里是数据分析挖掘人员与文艺青年的集结地，不做培训，不做鼓吹，只踏踏实实的做一个又一个数据驱动的文章，并设计机器人减轻数据分析的负担，无论你感兴趣还是想参与都可以关注，请加微信公众号大音如霜

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：虚假相关 Library ggplot2 BRARY cloud 词云 ggplot 虚假相关

找到为什么我的代码发上来会乱码了，因为在word里面格式的问题

hlw 发表于 2015-7-10 17:51

正在写中文文本挖掘的内容