词云制作方法,词云图怎么用
在数据行业多年，从前端UI到中间服务层反复工作，最后连数据库存储都没能幸免。迄今为止，它一直被数据库和数据库应用程序体系结构深深吸引。
之前面试很多数据岗位的时候，面试官反复问的问题是“你喜欢做ETL，数据模型还是数据可视化？”
其实这个问题在我看来一点标准都没有。在数据行业，怎么能说自己特别偏爱某一门学科呢？这么多精彩的技术和引人入胜的问题不都是自己做的，一点也不可惜。
别让贫乏无味的工作，限制了自己的想象力，嗯！
写了多年的CSDN博客，已经有近30W的访问量了。这两天突然想爬到一边去。你对哪些文章和技术感兴趣？于是有了下面这个故事。
Python作为一种万能药，已经渗透到了计算机软件的各个领域，在每一个可插入的缝隙中都有这样一只脚，尤其是在数据分析领域。可谓“人生苦短，快用Python”。快速启动一个爬虫，抓取简单的网站(CSDN不简单，呵呵，留点面子给ssdld)，这是3-5个小时就能搞定的事情。将结果保存在MySQL中。
简单筛选出1K以上浏览量的帖子，做词频统计，放入词云工具进行分析。文本挖掘在词频方面似乎比较有趣，可以扩展到做相关推荐。
试用了知乎高票的词云工具。时间是一个有效的过滤器，帮助我们提炼出很多优秀的产品。这么多工具，最后能看到的(基于视觉效果和易用性)花了一个小时，其中三个可以用：
照片：
非常快速和可用的单词云工具。简单到离谱。只要你粘贴你的文本，你就会立即显示你自己定制的单词云。如果对水印和精细度没有特别的要求，这个就够了。在使用过程中，不尽如人意的是对于中英文混合的文章会直接省略英文，如下图所示：
BlueMc:
蓝色光标。这家公司提供的word云工具极其强大(他老板也很厉害很有感情！作为个人，我们可以申请免费试用他的产品。这个工具支持中英文混合。好东西需要打磨。这个工具会告诉你在生成字云之前需要等待。那不是很甜蜜吗？生成的效果图，默认色系很暖，我推断产品经理是个好MM。
r:
没错，就是分析武器，媲美SAS的大R！这里应该有掌声，欢迎欣赏小编的我！看完下面还可以生成同样的文字云图，或者R版，效果完全可以控制。改装跑车和驾驶奔驰的乐趣有天壤之别。
r使用以下步骤制作单词云：
1分词
2词频统计
3情节
分词：有各种分词算法，包括公有包和私有包。像JiebaR这样的包非常好用，对中文的支持度也很高。但是a qseg对中文的支持好像很差，花了很长时间才搞定。
JieBaR在Github有一个分支，文档非常干净：http://qinwenfeng.com/jiebaR/.
install.packages("jiebaR ")
图书馆(街吧)
mySeg=worker()
mySeg$bylines=FALSE
texts=readLines(" G:\ side projects \ all _ titles . txt "，encoding="UTF-8 ")
newsegreult=segment(texts，mySeg)
merged=s apply(newsegregsult，function(x){ paste(x，collapse=" "))
注意：先引入包jiebaR，然后实例化段，对文本进行分割合并。
2词频统计：
使用freq对分词的合并结果进行统计。字云可视化程序只能识别和显示计算出的结果。
频率(合并)
注：freq是分词的词频统计。
3情节：
https://github.com/lchiffon/wordcloud2
首先安装devtools库
库(开发工具)
dev tools:install _ github(" lchiffon/word cloud 2 ")
wordcloud2(频率(合并)，大小=1，形状=星形)
与R相比，它的功能更强大，适应性更强，兼容各种语言，可以设置过滤词(“的”字其实可以通过配置过滤掉)。
欢迎关注微信微信官方账号【关于SQL】，入群讨论技术。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。