Как создать wordclouds для текстовых файлов в каталоге в R

Question

Я пытаюсь создать wordcloud для каждого текстового файла в каталоге. Это четыре репортажа с заявлениями президента. Я продолжаю получать следующее сообщение:

> cname <- file.path("C:", "texts") 
> cname 
[1] "C:/texts" 

> cname <- file.path("C:\\Users\\BonitaW\\Documents\\DATA630\\texts") 
> dir(cname) 
[1] "berniesandersspeechtranscript20115.txt" 
[2] "hillaryclintonspeechtranscript2015.txt" 
[3] "jebbushspeechtranscript2015.txt"  
[4] "randpaulspeechtranscript2015.txt"  
> library(tm) 
> docs <- Corpus(DirSource(cname)) 
> summary (docs) 
            Length 
berniesandersspeechtranscript20115.txt 2  
hillaryclintonspeechtranscript2015.txt 2  
jebbushspeechtranscript2015.txt  2  
randpaulspeechtranscript2015.txt  2  
            Class    
berniesandersspeechtranscript20115.txt PlainTextDocument 
hillaryclintonspeechtranscript2015.txt PlainTextDocument 
jebbushspeechtranscript2015.txt  PlainTextDocument 
randpaulspeechtranscript2015.txt  PlainTextDocument 
            Mode 
berniesandersspeechtranscript20115.txt list 
hillaryclintonspeechtranscript2015.txt list 
jebbushspeechtranscript2015.txt  list 
randpaulspeechtranscript2015.txt  list 
> docs <- tm_map(docs, removePunctuation) 
> docs <- tm_map(docs, removeNumbers) 
> docs <- tm_map(docs, removeWords, stopwords("english")) 
> library(SnowballC) 
Warning message: 
package ‘SnowballC’ was built under R version 3.1.3 
> docs <- tm_map(docs, stemDocument) 
> docs <- tm_map(docs, stripWhitespace) 
> docs <- tm_map(docs, PlainTextDocument) 
> dtm <- DocumentTermMatrix(docs) 
> dtm 
<<DocumentTermMatrix (documents: 4, terms: 1887)>> 
Non-/sparse entries: 2862/4686 
Sparsity   : 62% 
Maximal term length: 20 
Weighting   : term frequency (tf) 
> tdm <- TermDocumentMatrix(docs) 
> tdm 
<<TermDocumentMatrix (terms: 1887, documents: 4)>> 
Non-/sparse entries: 2862/4686 
Sparsity   : 62% 
Maximal term length: 20 
Weighting   : term frequency (tf) 

> library(wordcloud) 
> Berniedoc <- wordcloud(names(freq), freq, min.freq=25) 
Warning message: 
In wordcloud(names(freq), freq, min.freq = 25) : 
american could not be fit on page. It will not be plotted. 

Первоначально я был в состоянии построить Berniedoc, но потерял графику, но теперь это не будет отображаться.

Berniedoc <- wordcloud(names(freq), freq, min.freq=25) 
Warning messages: 
1: In wordcloud(names(freq), freq, min.freq = 25) : 
american could not be fit on page. It will not be plotted. 
2: In wordcloud(names(freq), freq, min.freq = 25) : 
work could not be fit on page. It will not be plotted. 
3: In wordcloud(names(freq), freq, min.freq = 25) : 
countri could not be fit on page. It will not be plotted. 
4: In wordcloud(names(freq), freq, min.freq = 25) : 
year could not be fit on page. It will not be plotted. 
5: In wordcloud(names(freq), freq, min.freq = 25) : 
new could not be fit on page. It will not be plotted. 
6: In wordcloud(names(freq), freq, min.freq = 25) : 
see could not be fit on page. It will not be plotted. 
7: In wordcloud(names(freq), freq, min.freq = 25) : 
and could not be fit on page. It will not be plotted. 
8: In wordcloud(names(freq), freq, min.freq = 25) : 
can could not be fit on page. It will not be plotted. 
9: In wordcloud(names(freq), freq, min.freq = 25) : 
time could not be fit on page. It will not be plotted. 

Не могли бы вы рассказать мне, что я делаю неправильно? Это может быть масштабирование? Или я должен изменить «Berniedoc» на что-то еще?

Answer 1

Как насчет альтернативного подхода, используя пакет quanteda?

Для ваших собственных примеров вам, естественно, потребуется изменить справочники. Установка размера окна pdf приведет к тому, что предупреждения исчезнут.

require(quanteda) 

# load the files into a quanteda corpus 
myCorpus <- corpus(textfile("~/Dropbox/QUANTESS/corpora/inaugural/*.txt")) 
ndoc(myCorpus) 
## [1] 57 

# create a document-feature matrix, removing stopwords 
myDfm <- dfm(myCorpus, remove = stopwords("english")) 
## Creating a dfm from a corpus ... 
## ... lowercasing 
## ... tokenizing 
## ... indexing 57 documents 
## ... shaping tokens into data.table, found 134,024 total tokens 
## ... ignoring 174 feature types, discarding 69,098 total features (51.6%) 
## ... summing tokens by document 
## ... indexing 8,958 feature types 
## ... building sparse matrix 
## ... created a 57 x 8958 sparse dfm 
## ... complete. Elapsed time: 0.256 seconds. 

# just do first four 
for (i in 1:4) { 
    pdf(file = paste0("~/tmp/", docnames(myCorpus)[i], ".pdf"), height=12, width=12) 
    textplot_wordcloud(myDfm[i, ]) # pass through any arguments you wish to wordcloud() 
    dev.off() 
} 

Answer 2

Вы должны добавить ограничение «max.words» на количество слов.

Berniedoc <- wordcloud(names(freq), freq, min.freq=25, max.words = 50) 

Answer 3

Я думаю, что это будет проще с воспроизводимым примером. Я понятия не имею, что такое «C:\\Users\\BonitaW\\Documents\\DATA630\\texts». Но я могу сказать, что я просто пришел к решению аналогичной проблемы.

Все, что вам нужно сделать, это сыграть с параметром scalewordcloud. В частности, с первым номером, который представляет range (а не size).