Rwordseg中文分词 画词云图

1. 下载jre最新版
2. 打开环境变量：控制面板―系统―环境变量 or 我的电脑―属性
a 新增变量“JAVA”，变量值=C:\Program Files\Java\jre6\bin

加载rJava包和Rwordseg包
代码：

>install.packages（“rJava”） >library(rJava) >install.packages("Rwordseg",repos= "http://R-Forge.R-project.org", type = "source") >library(Rwordseg)

--可以测试了：

>teststring1 <- "李建督促你将R语言学习到底。" >word1 <- segmentCN(teststring1)

二、 导入文本、清理文本、词频统计、词云图

library(Rwordseg)                            #分词的包

#导入数据

 sale<-read.csv(file.choose()) neg <- readLines(file.choose(), encoding = 'UTF-8') data = read.csv("E:/111/wuli.csv",stringsAsFactors=F) data<-read.csv(file.choose(),stringsAsFactors=F)

#去除数字,英文字符

data = gsub("[a-z0-9A-Z_]","",data)

#分词,Rwordseg包, D:/R-3.3.3/library/Rwordseg

words = segmentCN(data)

#生成停词表stopwordsCN.txt，读入,确保是utf-8编码（E:/111/321123.txt为停词表地址）

stopwordsCN = as.character(readLines("E:/111/321123.txt")) stopwordsCN = enc2utf8(stopwordsCN) stopwordsCN<-stopwordsCN[Encoding(stopwordsCN)!="unknown"]

#编写去停词函数

emoveStopWords <- function(x,stopwords) {    temp <- character(0)   index <- 1   xLen <- length(x)   while (index <= xLen) {     if (length(stopwords[stopwords==x[index]]) <1)       temp<- c(temp,x[index])     index <- index +1   }   temp }

#去停词

words = lapply(words,removeStopWords,stopwordsCN)

#画词云图

install.packages(“wordcloud”) library(wordcloud)

#计算词频

wordsnum = table(unlist(words)) wordsnum = sort(wordsnum)  #排序

#选出词频最高的250个

wordsnum = tail(wordsnum,250)

#画词云图

wordcloud(names(wordsnum),as.vector(wordsnum),random.order=FALSE,    random.color=FALSE,colors=brewer.pal(8,"Dark2"),family="myFont3")

下面两个图为python爬虫华为手机与三星手机评论的文本数据所制作

华为评论数据

三星评论数据

文章来源: Rwordseg中文分词 画词云图