如何从 wordcloud R 包中删除单词，以便它们可以包含在输出中？答案

【问题标题】：How to remove words from wordcloud R package so that they can be included in the output?如何从 wordcloud R 包中删除单词，以便它们可以包含在输出中？
【发布时间】：2016-10-07 16:07:42
【问题描述】：

我正在使用 R Packages 存储库中带有描述“Word Cloud”的包“wordcloud”。当我从一些随机文本创建 wordcloud 时，一些单词会被自动省略，因为它们不应该是 wordcloud 的一部分。

代码：

library(RColorBrewer)
library(NLP)
library(wordcloud)
library(tm)


wordcloud("foo bar oh oh by by bye bingo hell no", scale=c(3,1), colors=brewer.pal(6,"Dark2"),random.order=FALSE)

输出：

我想在 wordcloud 中保留“oh”和“by”之类的词。怎么样？

编辑：我更喜欢从 wordcloud 包的停用词集中删除这些词，而不是使用频率。

【问题讨论】：

标签： r word-cloud r-package

【解决方案1】：

这是一种方法：

library(wordcloud)
library(tm)
txt <- "foo bar oh oh by by bye bingo hell no"
corp <- Corpus(VectorSource(txt))
tdm <- TermDocumentMatrix(corp, control = list(wordLengths = c(-Inf, Inf)))
m <- as.matrix(tdm)
v <- sort(rowSums(m),decreasing=TRUE)
d <- data.frame(word = names(v),freq=v)
wordcloud(d$word,d$freq,min.freq=1)

【讨论】：

更新了问题，现在显示了获得所需输出的首选方法。
如果您输入wordcloud::wordcloud，您可以看到该函数使用tm 包（corpus <- tm_map(corpus, function(x) removeWords(x, stopwords()))）来删除这些单词。所以你必须重写wordcloud() 函数。但是，使用tdm <- TermDocumentMatrix(corp, control = list(wordLengths = c(-Inf, Inf), stopwords = setdiff(tm::stopwords(), c("by", "and")))) 的自然方式。

【解决方案2】：

wordcloud()有两种使用方式：

一个包含所有单词的字符串作为主要参数：你现在做什么
一个词向量和相应的频率向量

第一个输入强制 wordcloud() 调用 tm，构成语料库，删除停用词，这是丢失两个字母词的步骤。

一种简单的方法是恢复使用不需要 tm 包的 wordcloud，方法是在将字符串输入 wordcloud() 之前对其进行处理：

library(stringr)
library(wordcloud)
library(RColorBrewer)

## The initial string
mystring <- "foo bar oh oh by by bye bingo hell no"
## Split it and count frequencies
tabl <- table(str_split(mystring,pattern=" "))
## Make the wordcloud: all words are there!
wordcloud(names(tabl),tabl,scale=c(3,1), colors=brewer.pal(6,"Dark2"),random.order=FALSE)

【讨论】：

更新了问题，现在显示了获得所需输出的首选方法。
@JasminShah 为什么提议的解决方案如此糟糕以至于不考虑它？
@Dason，因为我需要这个用于特定目的，这样我就可以从集合中删除诸如“out”、“but”、“who”、“here”之类的词，并在 wordcloud 中查看它们.它们在任何输入中的数量都可能不同。对于频率，它适用于每个单词，但如果我希望它适用于一个或两个特定单词怎么办？我希望我说得够清楚。