R语言进行文本挖掘

Python024

R语言进行文本挖掘,第1张

介绍使用tidytext进行文本挖掘。

整洁的数据应该是这样的

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

# x是原字符串

i1<-regexpr("[\b太阳\b]",x)+2

i2<-regexpr("[\b月亮\b]",x)-1

substr(x,i1,i2)

1、r语言读取txt文件的方法：首先根据下图图片中的命令代码进行输入

2、然后这样就可以读取txt文件了，结果图如下：

3、R读取csv文件的方法：在读取csv文件时，分割符为“，”；可以根据下方的代码进行编辑。

read.csv(file, header = TRUE, sep = ",", quote = "\"",

      dec = ".", fill = TRUE, comment.char = "", ...)

4、如果想要读取Excel表格数据的话，可以使用下方的方法来实现。

xls2csv(xls, sheet=1, verbose=FALSE, blank.lines.skip=TRUE, ..., perl="perl")

xls2tab(xls, sheet=1, verbose=FALSE, blank.lines.skip=TRUE, ..., perl="perl")

xls2tsv(xls, sheet=1, verbose=FALSE, blank.lines.skip=TRUE, ..., perl="perl")

xls2sep(xls, sheet=1, verbose=FALSE, blank.lines.skip=TRUE, ...,

     method=c("csv","tsv","tab"), perl="perl")