穆勒报告的词云:R的简版教程

测试开头

这是一个利用R代码从穆勒报告生成一个词云的快速而简版的教程，可以在Github上面找到
（https://github.com/raklein/mueller-wordcloud)。
所有的功劳都归于Alboukadel Kassambara的word cloud教程(http://www.sthda.com/english/wiki/text-mining-and-word-cloud-fundamentals-in-r-5-simple-steps-you-should-know)。

【好书推荐：R-Data Analysis and Visualization，一本详细介绍R做数据分析和可视化的书籍，把本文分享到朋友圈，添加微信luqin360截图告知，即可获取】

因为我只是实现了一个简短的版本并添加了几行代码。

在删除常见和无信息的单词后，词云是文本中最常用单词的简单视觉摘要。它们提供与直方图基本相同的信息，但不太精确，而且更加引人注目。它们可以让您快速了解文本中的主题，这在您处理448页合法内容时非常有用。

首先，加载我们需要的库。我们将使用：

library("pdftools") # to convert pdf to text
library("tm") # tools to work with text
library("wordcloud") # generate the wordcloud
library("RColorBrewer") # color palette 
library("Cairo") # antialiasing for better graphics

现在下载报告并将其放在工作目录中
(例如，https://cdn.cnn.com/cnn/2019/images/04/18/mueller-report-searchable.pdf)。

将pdf转换为文本，并将其存储为字符向量。这里会出现错误，但是对于这个文档来说，它没有问题。

tex <- pdf_text("mueller-report-searchable.pdf")

将文本字符串转换为语料库，这样tm包就可以使用它

docs <- Corpus(VectorSource(tex))

在这里，我们实现了几个步骤来“整理”语料库，并删除在word cloud中不能提供太多信息的常见单词。这些是直接来自 Kassambara’s的教程:
将文本转换为小写

docs <- tm_map(docs, content_transformer(tolower))

删除数字

docs <- tm_map(docs, removeNumbers)

移除常用的英语词

docs <- tm_map(docs, removeWords, stopwords("english"))

指定要删除的任何附加字
在完成可视化之后，重新查看这一行并添加任何额外的内容

docs <- tm_map(docs, removeWords, c("president", "presidents", "also"))

删除标点符号

docs <- tm_map(docs, removePunctuation)

删除多余的空格

docs <- tm_map(docs, stripWhitespace)

这里有一个随机化组件(主要是在布局方面)，所以让我们锁定这个随机化，这样我们就可以重复完全相同的图

set.seed(1)

在绘制图形之前，我们将指定要输出到的图形设备
我使用Cairo是因为它增加了抗混叠以获得更高的质量。

CairoPNG("wordcloud.png", width = 450, height = 450)

制造词云

wordcloud(words = docs, 
                  scale=c(5,0.5), # size difference between largest and smallest words
                  min.freq = 1,
                  max.words = 150, # how many words to plot
                  random.order=FALSE, 
                  rot.per=0.35, # what % of words will be rotated
                  colors=brewer.pal(8, "Dark2")) # specify the color pallette