基于R語言的文本數據可視化分析教學

【摘要】數據的可視化作為一種最新的統(tǒng)計數據分析方法已經廣泛運用在各個領域中，大數據時代背景下作為非統(tǒng)計專業(yè)本科學生，掌握一門統(tǒng)計分析軟件是必要的。而利用統(tǒng)計軟件進行可視化分析又是一項極為重要的必備技能。文章以R語言為基礎，對近2020年國家政府工作報告進行可視化分析，以期激發(fā)學生對于統(tǒng)計數據分析的興趣。

【關鍵詞】R語言;可視化;政府工作報告;統(tǒng)計教學

1軟件介紹

R軟件本質上是一種語言，即R語言，它是在S語言的一個分支，早在上世紀80年代左右被人們所開發(fā)并使用，如今是統(tǒng)計領域使用極為廣泛的一種數據分析工具。它在數據探索、統(tǒng)計分析和統(tǒng)計作圖上面具有獨特的優(yōu)勢，屬于一種解釋型語言。R整體上是一套集數據處理、運算、制圖為一體的軟件系統(tǒng)。其對于數組的運算功能尤其強大，所以R又可以視為一種數學計算的環(huán)境。R不僅有完整連貫的分析工具包和豐富即時的制圖包，它的編程語言還十分簡便且強大，用戶可以對數據進行輸入輸出的雙向操縱、分支、循環(huán)以及自定義功能。R語言的主題思想就是給用戶提供集成化的統(tǒng)計工具，海量的數學計算、統(tǒng)計計算函數，用戶可以靈活機動進行數據分析，更甚者可以根據需求創(chuàng)造新的統(tǒng)計計算方法并與所有使用者共享。

R能夠被廣泛使用還得益于其使用上的免費和8個基礎模塊之外的CRAN板塊，CRAN已經收錄了超4000個各類包，可用于經濟計量、財經分析、人文科學研究以及人工智能等諸多領域。

2文本數據可視化分析工具——詞云

“詞云”這個概念由美國西北大學新聞學副教授、新媒體專業(yè)主任里奇·戈登（Rich Gordon）提出。“詞云”就是通過形成“關鍵詞云層”或“關鍵詞渲染”，對文本文件中出現(xiàn)頻率較高的“關鍵詞”的視覺上的突出。使用的R制作詞云主要包含：文本數據獲取、數據分詞處理、制圖三個部分。

3教學案例展示

第1步：文本數據獲取

將文本數據保存為txt格式存儲，采用scan（ ）函數進行文本數據的獲取，代碼如下：

f<-scan（‘C：＼＼＼＼Users＼＼＼＼Administrator.PC-20190315DIEF＼＼＼＼Desktop＼＼＼＼2020政府工作報告全文.txt，sep=‘＼＼n，what=‘，encoding=“GBK”）#讀取存儲于桌面的文件

第2步：數據分詞與統(tǒng)計詞頻

seg <- qseg[f] #使用qseg類型分詞，并把結果保存到對象seg中

seg <- seg[nchar（seg）>1]#去除字符長度小于2的詞語

seg <- table（seg）#統(tǒng)計詞頻

seg <- seg[！grepl（‘[0-9]+，names（seg））]#去除數字

seg <- seg[！grepl（‘a-zA-Z，names（seg））]#去除字母

length（seg）#查看處理完后剩余的詞數

seg <- sort（seg，decreasing=TRUE）[1∶200]#降序排序，并提取出現(xiàn)次數最多的前200個詞語

seg #查看200個詞頻最高的

第3步：制圖

通過data.frame（ ）函數將進行分詞和統(tǒng)計詞頻后的文本數據保存為新的系統(tǒng)文件，然后利用wordcloud2函數進行詞云制作，代碼如下：

data=data.frame（seg）

library（wordcloud2）

wordcloud2（data，size=1，minSize=0，gridSize=0，fontFamily=‘Segoe UI，fontWeight=‘bold，color=‘random-dark，backgroundColor=“white”，minRotation=-pi/4，maxRotation=pi/4，shuffle=TRUE，rotateRatio=0.4，shape=‘circle，ellipticity=0.65，widgetsize=NULL，figPath=NULL，hoverFunction=NULL）

主要參數講解：

data：需要繪制的文本數據;size：字體大小，默認為1;fontFamily：字體;color：字體顏色;backgroundColor：背景的顏色;;shape：繪制“云”的形狀。最終得到“詞云”如圖1。

4總結

統(tǒng)計學的理論基礎是數學，分析基礎是“數據”。如今“大數據”時代飛速發(fā)展，每秒鐘都在產生海量的數據，利用好這些數據是尤為重要的，通過一個簡單的文本數據可視化例子帶領學生脫離“死記硬背”統(tǒng)計學中的概念、公式的漩渦，提高學生的動手欲望，養(yǎng)成大膽嘗試，用于探索數據，讓數據“說話”的統(tǒng)計學學習理念。與此同時，熟練掌握一門統(tǒng)計分析軟件尤為重要。作為一名非統(tǒng)計專業(yè)的學生學習統(tǒng)計學最重要的一個目標就是：能夠將數據分析結果呈現(xiàn)出來，并且結合相關專業(yè)領域進行結果的解釋。

參考文獻：

[1]中國政府網.2020年政府工作報告全文[A/OL].http：//china.findlaw.cn/fagui/p-1/39934.html.

[2]張杰.R語言數據可視化之美[M].北京：電子工業(yè)出版社，2019.

作者簡介：

楊杰（1991-），男，四川眉山人，碩士研究生，初級統(tǒng)計師，研究方向：應用統(tǒng)計分析。