对于整洁的文本数据，储存在每行中的数据通常是单个单词，但也可以是n-gram，句子或段落。
使用unnest_tokens函数对数据进行处理
简单介绍一下unnest_tokens函数：
unnest_tokens这里使用的两个基本参数。首先，输出的列名，上面是word，然后是文本来输入列（text在本例中）。
使用之后unnest_tokens，我们将每行拆分
文本分析的流程：
就是写了傲慢与偏见的那个人，说实话这部作品的确值得一看
数据来自于Jane Austen的 janeaustenr 包
linenumber 对应的是多少行， chapter 对应的是第多少章。
要将其作为一个整洁的数据集来处理，还需要将句子转化成文更加基本的格式
此函数使用 tokenizers 包将原始数据框中的每一行文本分隔为标记。默认标记化用于单词，但其他选项包括字符，n-gram，句子，行，段落或正则表达式模式周围的分隔。
也就是修改下面这个参数：
既然数据是每行一个字的格式，我们可以使用像dplyr这样的整洁工具来操作它。通常在文本分析中，我们会想要删除停用词停用词是对分析无用的词，通常是非常常见的词，例如英语中的“the”，“of”，“to”等等。我们可以用一个删除停用词（保存在tidytext数据集中stop_words）anti_join()。
我们也可以使用 dplyr count() 来查找所有书籍中最常见的单词。
可以看见，最常见的单词是 miss
进行可视化：
因为我们一直在使用整洁的工具，所以我们的字数存储在一个整洁的数据框中。这允许我们将它直接传递给ggplot2包，例如创建最常见单词的可视化
单就数据分析对比，我认为R的优势有：1、学习先易后难，不会把小白们吓掉；
2、数据科学的包特别多
3、可视化特别吊
R的缺点也不少：
1、R经常更新，更新后经常不支持之前你安装的包；我电脑里安装了10+个R的版本，不停的切换
2、R语言的包、函数名起的很随意，看名字不知道是干什么用的，记不起名字如何让小白使用啊。
3、R语言社区人少，遇到问题你只能自己解决
4、即使有RStudio，写代码还是不方便
下面再说下python，优点：
1、是一门看的懂的，说人话的语言。库名、函数名都很好理解记忆，而且你看别人写的代码基本知道这代码的意思，不信你试试。
2、数据获取占优势，数据分析第一步是数据获取，现在人文社科很多数据需要网上抓取，不过就抓数据而言，python更占优势。各种教程，代码，网上一大片。
3、社区人数特别多，基本你遇到的问题都能找到
python的缺点：
1、学习起来，开头很难，学习曲线与R正好相反。
2、公平起见，我还是写上，python的数据分析库不如R多
3、可视化不如R
综合下，建议大家学习python，语言通俗易懂，功能强大，越来越简单。
