Linguagem R:Wordcloud
Índice
Método para contagem de palavras
Pacotes
- stringr (R:Instalar pacotes)
Machado de Assis - Circulo Vicioso
s_dirty <- 'Bailando no ar, gemia inquieto vaga-lume: - Quem me dera que fosse aquela loura estrela, que arde no eterno azul, como uma eterna vela ! Mas a estrela, fitando a lua, com ciúme: - Pudesse eu copiar o transparente lume, que, da grega coluna á gótica janela, contemplou, suspirosa, a fronte amada e bela ! Mas a lua, fitando o sol, com azedume: - Misera ! tivesse eu aquela enorme, aquela claridade imortal, que toda a luz resume ! Mas o sol, inclinando a rutila capela: - Pesa-me esta brilhante aureola de nume... Enfara-me esta azul e desmedida umbela... Porque não nasci eu um simples vaga-lume?'
- Mostra o conteúdo da Variável
s_dirty
Função str_splip, separa a frase por palavras tendo como delimitador o character definido na função
words <- str_split(s_dirty, fixed(' '))
Mostar a variável words
words
Problemas de padronização e characteres especiais Colocando tudo em caixa baixa str_to_lower ou tolower
s <- tolower(s_dirty) s
Substitui os charactere ENTER (\\r) e NOVA LINHA (\\n) por espaço e cria uma nova variável s_clean
s_clean <- str_replace_all(s,'[\\r\\n]',' ')
mostra o conteúdo de s_clean
s_clean
separando novamente as palavras, agora da variável limpa
words <- str_split(s_clean, fixed(' '))
words
Removendo outros characteres especiais de pontuação , . ? ! : com ENTER e NOVA LINHA
s_clean <- str_replace_all(s,'[\\r\\n,.?!:;]',' ') s_clean <- str_replace_all(s_clean,' ',';')
Remove espaços em branco Loop - Programação
s_clean <- str_replace_all(s_clean,';;;;',';') s_clean <- str_replace_all(s_clean,';;;',';') s_clean <- str_replace_all(s_clean,';;',';') s_clean <- str_replace_all(s_clean,';;',';') s_clean
Separando novamente as palavras, agora da variável limpa novamente
words <- str_split(c(s_clean), fixed(';'))
words
Transforma a array em uma tabela de dados e frequencies
freq <- table(words) freq
Ordena da maior frequencies para meno
freq <- sort(freq, decreasing=TRUE) freq
Convert a lista em uma tabela
freq_t <- as.matrix(freq) colnames(freq_t) <- "Freq" freq_t freq[freq["Freq"] >1]
Filtra dados com frequência maior que 1
freq_t[freq_t[,1] > 1,]
Exportar dados para o CSV
palavras <- paste(names(freq), freq, sep=";")
cat("Palavra;Frequencia", palavras, file="d:/lixo/frequencias.csv", sep="\n")
Mostrar Linguagem R:Gráficos
plot(freq)
Filtrando dados para mostrar
f <- freq_t[freq_t[,1] > 1,] barplot(f)
Histograma - Cluster pela frequência
hist(freq)
WordCloud
Pacotes
- install.packages("wordcloud") # word-cloud generator (R:Instalar pacotes)
#Setando o local do arquivo para ser processado filePath <- "https://cedapdados.ufrgs.br/api/access/datafile/7" #Realizando leitura do arquivo já codificado text <- readLines(filePath, encoding="UTF-8") wordcloud(text)
